论文页面 - DataFlow-Harness：用于构建可编辑LLM数据管道的接地代码智能体平台

来源：https://huggingface.co/papers/2607.16617

摘要

大型语言模型（LLM）越来越多地被用于自动化数据处理工作流，然而编码智能体通常生成的脚本并不会自动物化为持久、可编辑的平台工件。我们将这一脱节称为“自然语言到管道”（NL2Pipeline）鸿沟。为弥合这一鸿沟，我们引入了DataFlow-Harness，这是一个引导LLM代理通过类型化的增量突变（而非自由格式脚本）来构建平台原生有向无环图（DAG）的平台。该平台结合了用于过程指导的DataFlow-Skills、一个暴露实时操作符注册表和当前管道状态的模型上下文协议（MCP）层，以及一个将对话式创作与可视化DAG编辑器同步的DataFlow-WebUI。在一个包含12个任务的数据工程基准测试中，DataFlow-Harness实现了93.3%的观测端到端通过率。与Vanilla Claude Code相比，它的测量货币成本降低了72.5%，生成延迟降低了49.9%；其观测通过率比Context-Aware Claude Code基线仅低0.9个百分点，而成本则低42.8%。按任务分析表明，当构建依赖于隐式过程知识时，Skills最为有用。这些结果表明，实时平台接地可以生成持久、可编辑的工作流工件，其观测可靠性接近脚本生成基线，并且测量构建成本和延迟更低。

查看arXiv页面 (https://arxiv.org/abs/2607.16617) 查看PDF (https://arxiv.org/pdf/2607.16617) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2607.16617)

在您的智能体中获取这篇论文：

hf papers read 2607.16617

没有最新的CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用该论文的模型0

没有模型链接这篇论文

在模型README.md中引用arxiv.org/abs/2607.16617以从本页链接。

引用该论文的数据集0

没有数据集链接这篇论文

在数据集README.md中引用arxiv.org/abs/2607.16617以从本页链接。

引用该论文的Spaces0

没有Space链接这篇论文

在Space README.md中引用arxiv.org/abs/2607.16617以从本页链接。

包含该论文的收藏集0

没有收藏集包含这篇论文

将这篇论文添加到一个收藏集 (https://huggingface.co/new-collection) 中以从本页链接。