TabClaw：用于电子表格操作和表格推理的交互式和自我进化代理

电子表格和表格是结构化数据分析广泛使用的表示形式，但有效的分析仍然需要大量的手动工作和领域专业知识。最近的 大语言模型 (LLM) 代理可以自动化此过程的一部分，但它们通常为中间决策提供有限的透明度，依赖于隐式假设，难以进行多表比较，并且重复类似的工作流程而不适应用户的偏好。本文介绍了 TabClaw，这是一种用于电子表格操作和表格推理的开源交互式 AI 代理。用户上传CSV或Excel文件并发出自然语言请求； TabClaw 澄清了不明确的意图，公开了可编辑的执行计划，使用分析循环流式传输 ReAct 风格的工具，调度专家代理进行并行多表推理，并综合具有明确共识和不确定性标记的结果。除了一次性分析之外，TabClaw 还记录已完成的工作流程、提取持久的用户记忆、从重复的工具使用模式中提取可重用的技能、支持包式技能导入以及从负面反馈中升级技能。电子表格操作和表格推理基准测试表明，TabClaw 提高了可执行任务的完成和推理性能，同时保留了可检查的用户工作流程。本文展示了 TabClaw 如何将电子表格和表格转变为可检查的分析工作流程，同时逐渐个性化以执行重复的数据分析任务。我们的代码可用。