Together Open Data Scientistסוכנת ReAct מקור פתוח הרצה פייתון לחקר נתונים, בניית מודלים ויצירת דוחות ניתוח

4.3 (4)

נבדק על ידי Daniel Nikulshyn·עודכן יוני 2026

Open Source Data Science Python AI Agent Cloud Local Analytics Reporting

סקירה

Together Open Data Scientist הוא סוכן ניתוח נתונים המופעל על ידי בינה מלאכותית בקוד פתוח ששוחרר על ידי Together AI ב-GitHub. הוא עוקב אחר מסגרת ReAct (היסק + פעולה), המתחלפת בין שלבי היסק של מודל השפה לבין ביצוע קוד Python קונקרטי על מנת לבצע משימות מדעי הנתונים מקצה לקצה כגון חקר מערכי נתונים, חישוב סטטיסטיקות סיכום, בניית מודלים והפקת דוחות ניתוח כתובים מפורטים. הסוכן יכול לבצע Python באחד משני מצבים. מצב "פנימי" מקומי מריץ קוד בתוך מיכל Docker, אשר מתאים לפיתוח מקומי של משתמש יחיד, בעוד שמצב "tci" מעביר את הביצוע ל- Together Code Interpreter (TCI), ארגז חול בענן אליו ניתן לגשת באמצעות ה- API של Together AI. משתמשים יכולים להעלות ספריית נתונים לשימוש אוטומטי, להגדיר מספר מקסימלי של איטרציות היסק, ולבחור איזה מודל בסיס מניע את הסוכן - DeepSeek-V3 הוא ברירת המחדל, אך ניתן לציין מודלים של Llama ומודלים אחרים הזמינים דרך הפלטפורמה של Together. הוא מופץ כחבילת pip הניתנת להתקנה (open-data-scientist) וחושף גם ממשק שורת פקודה וגם API של Python. ה-CLI תומך באפשרויות כגון --write-report כדי ליצור דוח ניתוח בMarkdown, --save-trace כדי לרשום את השאילתה המלאה וקפיצת הביצוע, ושימוש חוזר בפגישה באמצעות מזהי פגישה. ה-API של Python מתרכז סביב מחלקה ReActDataScienceAgent אשר מקבלת משימה בשפה טבעית ומחזירה תוצאות. הפרויקט מסומן במפורש כתוכנת ניסוי. מכיוון שכל הקוד והניתוחים נוצרים על ידי בינה מלאכותית, התפוקות עשויים להכיל שגיאות או גישות לא אופטימליות ויש לראות בהם נקודת מוצא לחקירה ולמידה ולא לקבלת החלטות ייצור. האחראים על הפרויקט מדגישים כי נדרשת השגחת אדם ואימות, במיוחד עבור יישומים עסקיים או מחקרים קריטיים. בהשוואה לעוזרי ניתוח נתונים מבוססי בינה מלאכותית מסחריים כמו ניתוח נתונים מתקדם של ChatGPT או copilots של נוטבוק, ייחודו של Together Open Data Scientist בכך שהוא קוד פתוח לחלוטין, ניתן לארח בעצמך, אגנוסטי למודל בתוך המערכת האקולוגית של Together, ומסוגל לשרשר באופן אוטונומי הוראות רבות של ביצוע קוד לקראת דו"ח מלא, ולא רק תשובה חד-פעמית.

תכונות עיקריות

לולאת סוכנת ReAct תהליך-פעולה
שני מצבי ביצוע: Docker מקומי או Together Code Interpreter ענני
עליית תיקייה אוטומטית לניתוח
יצירת דוח Markdown עם --write-report
הגדרה מותאמת של מודל ואיטרציות תהליך מקסימלי
ממשק שורת פקודה ו-API פייתון תוכניתי, ויצירת דוח ועקבה אוטומטי

תמחור

מודל: Free
קטגוריה: מומחי הנחתת נתונים של AI
דירוג: 4.3 / 5 (4)

מקרי שימוש

תמיכה אוטומטית בחקירת קבוצות נתונים

רצה לקצה בקבוצת נתונים חדשה כדי לבצע הדקדוק של נתוני-מחשב לפי פייתון ולקבל דו"ח פירוטי של תוצאות.

תמיכה לבניית דגמים

בקשו לבצע, כשרות של טופס, פיתוח של חריג-ההערכה בעזרת קבוצת-נתון ביו-אבאי.

יצירת דוו"ח-ביחסים

ייצרו דו"ח-כתב בפירוט של נבח-נתונים ותפרח-משמע-ת, תפרח מ-דג-ש-ד.

עבודה-ב-פאדין-פי-ש-ת-ח-ח-

בקשו להוציא לפעול, בעזרת-בש-פי-צ. תפית, פי-ר. 2. -פ. 12. 13.

יתרונות וחסרונות

יתרונות

קוד פתוח ועצמאי
ריצה של קוד פייתון אמיתי באופן מקומי דרך Docker או בענן דרך TCI
מודל-א-תלוי, עם מודל תת-בסיסי ואיטרציות תהליך מותאמות
ממשק שורת פקודה ו-API פייתון, יחד עם יצירת דוח ועקבה אוטומטי

חסרונות

ניסויי במפורש; קוד שנוצר על ידי בינה מלאכותית עשוי להכיל שגיאות
דורש סקירה אנושית ואינו מתאים להחלטות תפעוליות
מצב Docker מוגבל בבידוד הפעלות ואבטחה
קשור למפתח API של Together AI לעיבוד ענן

שיא קרבות

ב-6 קרבות בפנתאון.

Last 5 battles

ביקורות

4.3

ממוצע מ-4 דירוגים.

התחבר כדי להשאיר ביקורת.

Victor Nguyen

Apr 23, 2026

Solid for our team

We rolled this out across the team last quarter and the value for money is strong. The integrations fits neatly into how we already work, and the automation removed a step we used to do by hand. A few rough edges remain, which is the main caveat, but it has held up under daily use.

Kwame Mensah

Apr 12, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is the API — handled better than most — and it is genuinely easy to set up. A few rough edges remain is my one real gripe. Worth the time if this is your use case.

Liam O’Connor

Nov 5, 2025

Use it every day

Honestly didn't expect to like it this much. The API is exactly what I needed, and it saves real time. I do wish the docs could be deeper, but I reach for it almost every day now and it just clicks.

Diego Fernández

Sep 24, 2025

Does the job

Pretty happy overall. The core workflow just works and support is responsive. The docs could be deeper can be annoying, but no dealbreakers — I'd recommend it to a friend without hesitating.

שאלות ותשובות

What output does the tool generate and how can I retrieve it?

After analysis, the agent can generate a markdown report using the `--write-report` flag, and it also produces a trace of the reasoning steps. Both the report and trace are saved to your working directory, making it easy to review the results and the code that was executed.

Asked by Julia Steiner · Aug 21, 2025

Can I customize the language model or limit the reasoning steps?

Yes. The agent is model‑agnostic; you can specify any compatible LLM for the reasoning part and set a maximum number of ReAct iterations, allowing you to control how many reasoning‑and‑acting cycles the agent performs on a task.

Asked by Sami Virtanen · Aug 6, 2025

What are the requirements for using the cloud (TCI) execution mode?

To use the "tci" mode you need a valid Together AI API key, which authenticates requests to the Together Code Interpreter service. The service runs your code in a managed cloud sandbox, so no local Docker installation is required.

Asked by Ines Fernandes · Jul 23, 2025

How does the execution mode choice affect where my Python code runs?

Together Open Data Scientist offers two modes: "internal" runs the generated Python inside a local Docker container for single‑user development, while "tci" sends the code to Together Code Interpreter, a cloud sandbox accessed via the Together AI API. Choose Docker for full local control; choose TCI for cloud execution without local Docker setup.

Asked by Hasan Demir · Jun 15, 2025