谷歌 AI 发布 DS STAR：多智能体数据科学系统，支持端到端分析

谷歌 AI 研究团队近日发布了 DS STAR（通过迭代规划与验证的数据科学代理），这是一个多智能体框架，能把模糊的业务诉求转成可运行的 Python 代码，全程无需人工分析师参与。与以往主要依赖结构化 SQL 数据库的代理不同，DS STAR 可直接处理 CSV、JSON、Markdown 以及非结构化文本等混合格式文件。

DS STAR 的整体流程分为多个阶段。首先，名为 Aanalyzer 的智能体会逐个扫描数据湖中的文件，自动生成 Python 脚本以提取关键信息，如列名、数据类型与元数据等。通过这一步，系统为每个文件建立结构化视图，为后续分析提供充足的上下文。

随后，系统进入迭代的规划与验证环节，涉及 Aplanner、Acoder、Averifier 与 Arouter 等多个智能体。Aplanner 先产出初始的可执行步骤，Acoder 将步骤转为 Python 代码并执行以获得观察结果。Averifier 根据执行反馈评估当前方案是否充分；如需调整，则由 Arouter 决定修正方向与策略。循环会持续进行，直到产出满足要求的结果，或触达最大迭代上限。

为增强鲁棒性，DS STAR 还配备 Adebugger 与 Retriever 模块。Adebugger 用于在脚本失败时自动排障与修复，即使出现模式漂移或缺失列等情况，系统也能继续稳定运行；Retriever 则在大规模数据集中检索最相关的文件，为分析过程补充必要的上下文。

在多项基准测试中，DS STAR 于 DABStep、KramaBench 与 DA Code 等任务上表现亮眼，显著提升了分析准确率。这表明它能将复杂的数据科学问题可靠地落地为 Python 解决方案，进一步推动数据分析的自动化进程。

论文:https://arxiv.org/pdf/2509.21825

划重点:  

🌟 DS STAR 是多智能体框架，可把模糊的业务问题转成可运行的 Python 代码。  

📊 系统依靠多代理协同，完成分析、代码生成与结果验证的迭代闭环。  

🚀 多项基准中准确率显著提升，展现出强劲的自动化能力。