Урок 1: Анализ данных агентом — первый воспроизводимый анализ

Чему вы научитесь

• Ставить агенту задачу на анализ так, чтобы получить воспроизводимый результат, а не одноразовый ответ
• Подключать научный инструментарий: 70+ Python-пакетов из Scientific Agent Skills и analysis-агента BioAgents
• Понимать рабочий цикл анализа: загрузка датасета, описательная статистика, графики publication-quality
• Читать сгенерированный код как артефакт проверки, а не как чёрный ящик
• Загружать типовые научные форматы данных: CSV, Excel, h5ad (single-cell)

Что значит «воспроизводимый» анализ

Когда вы просите чат-бот «проанализируй эти данные», он часто отвечает текстом: «среднее около 5, есть выброс». Это не анализ — это пересказ. Проверить такой ответ нельзя, повторить тоже.

Агент-исследователь работает иначе: он пишет код, исполняет его и возвращает и код, и его вывод. Воспроизводимость здесь — не абстрактная ценность, а механизм проверки: если вы видите код и можете перезапустить его на тех же данных, у вас есть способ поймать ошибку.

Инструментарий: чем агент считает

Голая LLM не умеет считать дисперсию — она умеет писать код, который считает дисперсию. Поэтому к агенту подключают научные пакеты. Два практичных способа на май 2026.

Scientific Agent Skills — это набор «навыков» по открытому стандарту Agent Skills: каждый навык даёт агенту доступ к пакетам и методикам, включая 100+ научных баз данных (K-Dense scientific-agent-skills). BioAgents добавляет специализированного analysis-агента (bio-xyz/BioAgents).

Рабочий цикл анализа

Любой первый анализ датасета проходит один и тот же путь. Удобно держать его как карту и проверять каждый узел.

flowchart LR
    D[Датасет: CSV, Excel, h5ad] --> L[Загрузка и проверка формы]
    L --> C[Очистка: пропуски, типы]
    C --> S[Описательная статистика]
    S --> P[Графики publication-quality]
    P --> R[Артефакт: скрипт + вывод]
    R --> V{Человек проверяет}
    V -- ошибки --> C

    style D fill:#0891b2,color:#fff,stroke:#0e7490
    style V fill:#f59e0b,color:#fff,stroke:#d97706
    style R fill:#059669,color:#fff,stroke:#047857

Узкое место всегда одно и то же: загрузка и проверка формы данных. Агент любит предположить структуру датасета и пойти дальше. Поэтому первый шаг — заставить его явно показать форму, типы и пропуски, прежде чем что-то считать.

Как поставить задачу агенту

1. Дайте путь к файлу и формат. «Датасет lab_measurements.csv, разделитель запятая, первая строка — заголовки».
2. Потребуйте сначала разведку. Попросите вывести форму таблицы, типы колонок и долю пропусков до любого анализа.
3. Зафиксируйте seed и версии. Любая случайность (сэмплирование, кластеризация) — с фиксированным random_state, чтобы результат повторялся.
4. Просите код, а не выводы. «Верни скрипт целиком и его вывод», а не «расскажи, что в данных».
5. Сохраняйте графики в файлы. savefig с dpi 300, чтобы артефакт был publication-quality и не терялся в чате.

Разведка данных: код, который стоит прочитать

Первый блок, который агент должен выдать, — это разведка, а не анализ. Ниже типовой фрагмент на pandas. Прочитайте его построчно: именно здесь чаще всего вскрываются проблемы датасета.

Если на этом шаге df.shape не совпадает с ожиданием или числовая колонка оказалась типа object — анализ дальше бессмысленен. Это и есть точка приёмки: вы ловите ошибку за минуту, а не после построения графиков.

Описательная статистика и график

После разведки идёт сам анализ. Для publication-quality графиков агент обычно использует matplotlib или seaborn — оба входят в научный стек.

import matplotlib.pyplot as plt
import seaborn as sns

# группировка и сводная статистика
summary = df.groupby('group')['value'].agg(['mean', 'std', 'count'])
print(summary)

# график publication-quality: распределение по группам
plt.figure(figsize=(6, 4), dpi=300)
sns.boxplot(data=df, x='group', y='value')
plt.title('Распределение value по группам')
plt.tight_layout()
plt.savefig('value_by_group.png', dpi=300)

Обратите внимание на dpi=300 и savefig: график сохраняется в файл с печатным разрешением. Это превращает картинку из чата в воспроизводимый артефакт, который можно вложить в статью или приложить к отчёту.

Где агент ошибается на анализе

Анализ — это «дешёвая проверка» по карте из модуля S.1: код запускается, график видно глазами. Но есть три ловушки, где агент уверенно ошибается.

• Молчаливые пропуски. Агент может посчитать среднее, проигнорировав, что 40% значений отсутствуют. Поэтому доля пропусков выводится до анализа.
• Неверный тип данных. Числа, прочитанные как строки, дают бессмысленную «статистику» категорий. Ловится на df.dtypes.
• Утечка формата. Агент предполагает разделитель или кодировку и читает мусор. Ловится на df.shape и первых строках.

Следующий урок

Урок 2: Безопасное исполнение кода ИИ — почему код агента нельзя запускать как есть и как изолировать его в Docker-песочнице.