💻 computer science

From Intent to AI Pipelines: A Controlled Agentic Framework for Non-AI Expert Scientists

本文介绍了领域驱动的可适应人工智能流水线（DDAP），这是一个受控的、人机协同的智能体框架，利用大语言模型引导非专家科学家通过一个结构化的四阶段流程，生成具有竞争力的领域特定人工智能流水线及实现代码。

原作者： Hyacinth Ali, Jessie Galasso-Carbonnel, Houari Sahraoui

发布于 2026-05-20

📖 1 分钟阅读☕ 轻松阅读

原作者： Hyacinth Ali, Jessie Galasso-Carbonnel, Houari Sahraoui

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象你是一位生物学、农业学或社会科学领域的杰出科学家。你有一个绝妙的研究项目构想，但为了实现它，你需要构建一个复杂的"AI 机器”（即一个数据处理流水线）来分析你的数据。问题在于，构建这台机器通常需要计算机科学学位和多年的编程经验。大多数科学家没有这样的时间或培训，因此他们不得不等待专家协助，这拖慢了整个进程。

本文介绍了DDAP（领域驱动的可适应 AI 流水线），这是一款专为这些科学家设计的新工具，其作用如同一名智能、循序渐进的施工工头。

以下是 DDAP 的工作原理，采用简单的类比说明：

1. 问题所在：“黑盒”与“蓝图”

通常，如果你让计算机（具体指大型语言模型或 LLM）“为我构建一个 AI"，它可能会直接吐出一堆代码。有时它能运行，但往往存在故障、缺失组件，或不符合你的特定需求。这就像向一个机器人订购定制房屋，而它只是毫无计划地向你扔砖块。

DDAP 改变了游戏规则。 它不再一次性要求建成整栋房子，而是将建设过程分解为四个明确的阶段，确保每一步都经过检查和批准后，才进入下一阶段。

2. 建设的四个阶段

阶段一：建筑师会议（问题定义）

发生什么： 你用通俗易懂的英语与系统交谈。例如你说：“我有黄麻害虫的图片，我想将它们分类为 17 种类型。”
神奇之处： 系统不会只是点头；它像一位好奇的建筑师。它会基于你的领域提出澄清性问题（例如，向医学研究人员询问患者隐私，或向农业研究人员询问作物类型）。它将你模糊的想法转化为清晰、书面的蓝图（即“问题定义工件”）。

阶段二：现场勘测（计算环境）

发生什么： 在动工之前，你需要了解拥有的工具和空间。你拥有超快的计算机（GPU）还是普通的笔记本电脑？你有预算限制吗？
神奇之处： 系统帮助你界定这些限制，并将其记录为规格表。这确保最终构建的 AI 不会建立在你的计算机无法承载的过重基础之上。

阶段三：设计阶段（流水线生成）

发生什么： 现在，系统开始设计实际的“机器”。
神奇之处： 系统不会只猜测一种方案，而是像一支由五名不同工程师组成的团队。它为 AI 流水线生成五种不同的设计方案。它会权衡每种方案的优缺点（例如，“方案 A 更快，但方案 B 更准确”）。它挑选出最佳设计，并将其保存为设计文档。

阶段四：施工队（代码生成）

发生什么： 最后，系统根据选定的设计编写实际的计算机代码（即砖块和灰浆）。
神奇之处： 如果代码出现错误（如拼写错误或缺少工具），系统内置了“修复”机制。它会识别错误，要求计算机进行修复，并反复尝试，直到代码顺利运行。

3. “人在回路”的安全网

DDAP 最关键的部分在于它是受控的。它不会自行其是、盲目运行。它始终让科学家掌握驾驶权。

这就像一辆配有副驾驶的 GPS。GPS（AI）建议路线，但你（科学家）确认目的地和停靠点。如果 GPS 试图带你走一条不存在的道路，系统会停止并请求澄清。这防止了 AI 做出荒谬且不正确的猜测。

4. 效果如何？（结果）

作者在六个不同领域的现实问题中测试了这位“工头”：

生物学： 对害虫图片进行分类。
医学： 根据语音录音预测帕金森病的进展。
商业： 对产品标题进行分类并对客户进行分组。
环境： 根据照片识别废物类型。
金融： 预测股市趋势。

结果：

成功： 在大多数情况下（如害虫分类、帕金森病预测和产品分类），DDAP 构建的 AI 流水线表现与人类专家经过数周调优所构建的模型相当，甚至更优。
挑战： 该系统在文本聚类（将相似的文本文件分组）方面稍显吃力。这就像这位工头擅长盖房子，但仍在努力学习如何整理图书馆。此处的结果远低于专家模型。

核心结论

DDAP 是一款工具，它让非专家科学家能够通过计算机进行结构化、有指导的对话，从而构建强大的 AI 模型。它将“编写 AI 代码”这一令人恐惧且复杂的过程，转化为一个可管理的四步检查清单。

它证明了你无需成为编程巫师也能使用 AI；你只需要一位优秀的向导，它能将你的科学目标逐步转化为可运行的机器，同时始终让你掌控全局。

技术摘要：领域驱动的可适应人工智能流水线（DDAP）

问题陈述

人工智能（AI）流水线已成为医学、农业和社会科学等现代研究各领域的核心要素。然而，端到端 AI 系统的设计与实施仍然是非专家科学家面临的主要障碍。开发有效的 AI 解决方案需要多层面的专业知识：将研究问题转化为 AI 任务、数据准备、模型选择与训练，以及部署。现有解决方案存在特定局限：

低代码/无代码平台：虽然降低了技术门槛，但往往缺乏灵活性、对领域特定约束的适应能力，以及对完整流水线生命周期的支持。
直接大语言模型（LLM）使用：利用 LLM 根据自然语言描述生成代码，面临可靠性挑战（产生不完整或不可复现的流水线）、遵守领域约束（如监管要求）的问题，以及非专家验证和调试输出所需的高认知负荷。
方法论差距：现有工具未能充分将问题描述到机器学习工作流的过渡操作化，既无法让非专家易于上手，又无法保持可复现性和透明度。

方法论：DDAP 框架

为解决这些挑战，作者提出了领域驱动的可适应人工智能流水线（DDAP），这是一个受控的、人机回环的、智能体框架。DDAP 将 AI 流水线构建视为软件工程问题，在不确定性下从高层领域意图综合出可执行的工作流。DDAP 不依赖完全自主的生成，而是将 LLM 编排为分阶段工作流中的专用智能体。

该框架将开发过程结构化为四个 distinct 阶段，生成一组结构化工件（ $A = \{A_1, A_2, A_3, A_4\}$ ），这些工件在各阶段间持久化并复用：

问题定义（ $A_1$ ）：
- 目标： eliciting 并将 AI 任务结构化表示为半形式化形式。
- 机制：通过开放式对话，系统分析研究者的领域和专业知识水平。它利用基于角色的提示、护栏和思维链（CoT）推理，引导用户澄清目标、数据特征和约束。
- 输出：结构化的问题定义工件。
计算环境规范（ $A_2$ ）：
- 目标：将问题需求与可行的计算资源对齐。
- 机制：编排器复用问题定义来构建上下文提示， eliciting 关于环境位置（本地/云端）、加速器（GPU/TPU）、存储和预算的详细信息。
- 输出：计算环境规范工件。
流水线生成（ $A_3$ ）：
- 目标：生成结构化 AI 流水线规范。
- 机制：此阶段分解为两个步骤：(1) 生成候选预处理策略；(2) 生成完整的流水线设计。为缓解 LLM 的概率性质，框架为每个任务生成五个替代流水线候选方案。它采用检索增强生成（RAG）、CoT 和护栏，确保设计符合领域需求和资源约束。
- 输出：包含优缺点的多个替代流水线规范工件。
代码生成（ $A_4$ ）：
- 目标：将选定的流水线规范转换为可执行代码（例如 PyTorch、TensorFlow）。
- 机制：使用面向代码的 LLM（如 Code Llama），其提示由前一阶段的工件增强。包含可选的代码修复机制，编排器将错误消息反馈给 LLM，以识别并修复语法或运行时错误，无需手动调试。
- 输出：可执行的实现代码。

该框架依赖中央流水线编排器来管理交互循环，确保可追溯性并在整个过程中维持控制逻辑。

主要贡献

本文概述了四项主要贡献：

工件驱动的表述：它将流水线构建建模为分阶段综合过程，将高层意图转化为可执行工件，超越了仅依赖搜索预定义组件的 AutoML 方法。
受控智能体框架：与静态低代码模板不同，DDAP 通过引导式交互和分阶段细化，动态适应领域背景、用户专业知识和资源约束。
编排的多阶段工作流：它将流水线生成分解为协调的阶段，具有明确的工件复用和控制逻辑，与单步 LLM 提示相比，提高了可复现性和用户控制力。
实证评估：它证明 DDAP 能够在多个领域单次通过（无需迭代优化）生成具有竞争力的 AI 流水线，同时明确指出了在文本聚类等复杂任务中的局限性。

实验结果

作者在涵盖生物学、商业和健康科学的六项实验中评估了 DDAP，将 DDAP 生成的模型与现有文献中的专家开发基线进行了比较。

竞争性性能：在多项任务中，DDAP 在不进行迭代超参数调整的情况下，取得了与专家模型相当或更优的结果。
- 帕金森病远程监测（回归）：DDAP 的集成模型实现了 0.30（运动 UPDRS）和 2.66（总 UPDRS）的平均绝对误差（MAE），优于专家基线（分别为 4.5 和 6.0）。
- 股市预测（回归/分类）：DDAP 实现了 79.44% 的准确率，超过了 68% 的专家基线。
- 产品分类（文本）：DDAP 实现了 96.83% 的验证准确率，超过了 95% 的专家基线。
- 黄麻害虫分类（图像）：DDAP 实现了 0.94 的 F1 分数，略低于 0.97 的专家基线，但展示了单次通过的强大能力。
- 废弃物分类（图像）：DDAP 实现了 84% 的 F1 分数，与 90% 的专家基线具有竞争力。
- 客户细分（聚类）：DDAP 生成了有意义的基于 RFM 的细分，轮廓系数为 0.53，与专家驱动的行为区分一致。
局限性：该框架在基于文本的聚类任务中表现出显著的性能差距。对于产品聚类任务，DDAP 的最佳 F1 分数为 0.001，远低于 0.59 的专家基线。作者将此归因于复杂文本数据需要更先进的表示学习和迭代优化策略。

意义与主张

本文主张，DDAP 证明了受控智能体框架在普及 AI 开发方面的可行性。通过结合引导式交互、适应性和可复现性，该框架允许非专家用户生成具有竞争力的 AI 流水线。

这项工作的意义在于它能够弥合可访问性与技术严谨性之间的差距。它并不声称完全取代专家干预，而是提供一条结构化的、工件驱动的路径，在降低入门门槛的同时，保持与软件工程原则（模块化、关注点分离）的一致性。作者将 DDAP 定位为低代码/无代码可访问性、AutoML 的结构化生成以及 LLM 的上下文适应性的统一体，提供了一种可复现的替代方案，以应对临时性、脆弱的 LLM 生成代码。该框架被视为迈向使 AI 开发在科学学科中更具可访问性、适应性和可复现性的一步。