Мультиагентный помощник для исследований на базе LangGraph: формулирует гипотезы, анализирует и визуализирует данные, готовит отчёты.
WecoAI/aideml
Опенсорсный LLM-агент, который пишет, запускает, отлаживает и дорабатывает код для машинного обучения с помощью поиска по дереву, пока не оптимизирует заданную пользователем метрику.
- Звёзды
- 1,614
- Форки
- 237
- Открытые issues
- 3
- Последний коммит
- 22 дня назад
Что это?
AIDE ML — эталонная опенсорсная реализация алгоритма AIDE, агента с поиском по дереву, который рассматривает каждый Python-скрипт как узел дерева решений. Получив каталог с данными, сформулированную обычным языком цель и метрику оценки, агент генерирует код, запускает его и по результатам оценки решает, какие варианты развивать или исправлять.
Проект поставляется как устанавливаемый через pip пакет Python, а также включает интерфейс командной строки, HTML-просмотрщик дерева решений и веб-интерфейс на Streamlit. Он поддерживает OpenAI, Anthropic, Gemini, OpenRouter и любые локальные модели с API, совместимым с OpenAI. В настройках можно указать модель для написания кода и модель для обратной связи, число шагов и количество черновиков. Также доступны Python API и образ Docker.
Кодовая база предназначена для исследователей, которые хотят воспроизвести результаты статьи об AIDE или проверить новые эвристики поиска, методы оценки и LLM-бэкенды, а также для практиков, которым нужен стартовый ML-пайплайн на основе набора данных.
Ключевые возможности
- 01Позволяет описать задачу обычным языком, указав каталог с данными, цель и метрику оценки.
- 02Выполняет поиск по дереву сгенерированных Python-скриптов, развивая или отлаживая варианты на основе обратной связи по метрике.
- 03Предоставляет CLI, Python API и образ Docker.
- 04Включает HTML-просмотрщик дерева решений и веб-интерфейс на Streamlit.
- 05Работает с OpenAI, Anthropic, Gemini, OpenRouter и локальными моделями с API, совместимым с OpenAI.
Сценарии использования
- Создание прототипа базовой ML-модели для табличного набора данных по цели, сформулированной обычным языком.
- Воспроизведение или расширение экспериментов AIDE с поиском по дереву в исследовательских целях.
- Проверка альтернативных эвристик поиска, методов оценки или LLM-бэкендов для ML-агентов.
- Запуск полностью локального пайплайна с моделью, доступной через Ollama.
Быстрый старт
- 1
Установите пакет из PyPI
pip install -U aideml - 2
Укажите ключ API для LLM
export OPENAI_API_KEY=<your-key> - 3
Запустите оптимизацию на примере задачи
aide data_dir="example_tasks/house_prices" goal="Predict the sales price for each house" eval="RMSE between log-prices"
Что важно знать
- При настройках по умолчанию выполняются вызовы внешних API LLM, поэтому вам понадобится ключ API, а использование модели будет платным, если только вы не запустите локальную модель.
- Для полностью локального запуска нужен локальный сервер, совместимый с OpenAI. Обычно производительность при этом несколько ниже, чем у размещённых моделей.
В подборках
Темы
Частые вопросы
- Что такое aideml?
- Опенсорсный LLM-агент, который пишет, запускает, отлаживает и дорабатывает код для машинного обучения с помощью поиска по дереву, пока не оптимизирует заданную пользователем метрику. AIDE ML — эталонная опенсорсная реализация алгоритма AIDE, агента с поиском по дереву, который рассматривает каждый Python-скрипт как узел дерева решений. Получив каталог с данными, сформулированную обычным языком цель и метрику оценки, агент генерирует код, запускает его и по результатам оценки решает, какие варианты развивать или исправлять.
- aideml можно использовать бесплатно? Какая у него лицензия?
- aideml распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- aideml всё ещё поддерживается?
- Активно поддерживается. Последний коммит в aideml — 16 окт. 2026 г..
- Для чего можно использовать aideml?
- Создание прототипа базовой ML-модели для табличного набора данных по цели, сформулированной обычным языком. Воспроизведение или расширение экспериментов AIDE с поиском по дереву в исследовательских целях. Проверка альтернативных эвристик поиска, методов оценки или LLM-бэкендов для ML-агентов. Запуск полностью локального пайплайна с моделью, доступной через Ollama.
- Как установить aideml?
- Установите пакет из PyPI: pip install -U aideml Укажите ключ API для LLM: export OPENAI_API_KEY=<your-key> Запустите оптимизацию на примере задачи: aide data_dir="example_tasks/house_prices" goal="Predict the sales price for each house" eval="RMSE between log-prices"
- Где скачать aideml?
- Исходный код и инструкции по установке — на GitHub: https://github.com/WecoAI/aideml
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Инструмент для транспиляции обученных моделей и трансформеров scikit-learn в код на C, C#, Go, Java, JavaScript, PHP или Ruby.
Фреймворк для глубокого обучения на PyTorch: автоматизирует циклы обучения, масштабирование на несколько GPU и типовую инженерную работу, сохраняя полный контроль над кодом модели.
Фреймворк LLM-агентов от Microsoft для автоматизации задач R&D на основе данных: от изучения статей и реализации моделей и факторов до экспериментов в стиле Kaggle.
Рекурсивный контур самообучения: запускает задачи агента с оценкой результатов, сохраняет полезные выводы и оставляет для следующих запусков трассировки и плейбуки.
Библиотека AutoML, которая обучает и объединяет ML-модели для табличных данных, временных рядов и мультимодальных данных с помощью нескольких строк Python-кода.