EpochGo 发布本地优先多智能体 AutoML 平台，基于 Ollama 零 API 成本

自主、本地优先的多智能体 AutoML 平台
由 Epochlypse Research 开发 • 基于 CrewAI、Ollama 和 Scikit-Learn / XGBoost / LightGBM / CatBoost

零 API 密钥。零云成本。100% 私密且离线运行在您的本地机器上。

🌟 概述

EpochGo 是由 Epochlypse Research 开发的开源、本地优先的 AutoML 软件系统。只需 git clone 仓库并运行 Docker。您将在浏览器中获得一个本地化链接（http://localhost:8000），在那里您可以创建项目、放入原始 CSV 数据集，并让一个由 三个自主 AI 智能体 组成的协调团队完成所有数据科学工作：

1. 🧹 智能体 1：数据预处理与特征架构师

   • 自动检测模式、缺失值、极端异常值（IQR）、分类编码、缩放和高维多重共线性（PCA）。
   • 生成并执行独立的 Scikit-Learn 管道（preprocessing.py）。
   • 生成详细的处理前后对比报告（preprocessing.md）。
   • 保存序列化转换器（preprocessor.joblib）和清洗后的数据集（cleaned_data.csv）。

2. 🏆 智能体 2：机器学习基准测试与调优专家

   • Evaluates 7 baseline machine learning algorithms without hyperparameter bias:
     • 分类：XGBoost、LightGBM、CatBoost、随机森林、Extra Trees、梯度提升、逻辑回归。
     • 回归：XGBoost、LightGBM、CatBoost、随机森林、Extra Trees、梯度提升、岭回归。
   • 评估基线准确率/F1/R²/RMSE，并选出 前三名竞争者。
   • 运行高效超参数优化（RandomizedSearchCV）。
   • 生成可复现的训练脚本（model_building.py）和全面的 Markdown 报告（model_building.md）。
   • 将冠军模型序列化到 model.joblib。

3. 🚀 智能体 3：MLOps 与模型服务工程师

   • 合成一个生产就绪的独立 FastAPI 微服务脚本（serve.py），包含与您的数据集模式匹配的 Pydantic 类型验证。
   • 启用交互式浏览器内 预测游乐场，实时测试预测和概率。
   • 生成即用型 curl 和 Python API 代码片段。

🚀 快速开始（单条命令）

先决条件

• 已安装 Docker 和 Docker Compose。
• 建议 16 GB 内存（Apple Silicon M1/M2/M3/M4/M5 Mac，或具有 16GB 内存的 Windows/Linux）。

1. 克隆并运行

git clone https://github.com/AryanDinakaran/EpochGo.git
cd EpochGo
docker compose up --build

2. 打开浏览器

导航至：

http://localhost:8000

就是这样！EpochGo 将自动连接到 Ollama，确保编码模型已加载，并启动 Web 仪表板。

💻 推荐的本地模型与硬件基准

提示

您的 Mac 上已经安装了 Ollama？ 您可以通过将 EpochGo 指向您现有的 Ollama 实例来节省磁盘空间并运行原生 Metal GPU 加速：

OLLAMA_BASE_URL=http://host.docker.internal:11434 docker compose up

🏗️ 架构与智能体流水线

flowchart TD
    A["Raw CSV Upload & Project Name"] --> B["Agent 1: Data Preprocessor"]

    subgraph Agent1 ["🧹 Agent 1: Data Preprocessing"]
        B --> B1["Data Profiling & Pattern Analysis"]
        B1 --> B2["Imputation, Outlier Clipping, Encoding & Scaling"]
        B2 --> B3["Synthesize & Execute preprocessing.py"]
        B3 --> B4["Generate preprocessing.md & preprocessor.joblib"]
    end

    B4 --> C["Agent 2: Model Builder"]

    subgraph Agent2 ["🏆 Agent 2: Model Building & Tuning"]
        C --> C1["7 Baseline Algorithms Benchmark"]
        C1 --> C2["Select Top 3 Best Performers"]
        C2 --> C3["RandomizedSearchCV Hyperparameter Tuning"]
        C3 --> C4["Save Champion model.joblib"]
        C4 --> C5["Generate model_building.py & model_building.md"]
    end

    C5 --> D["Agent 3: Model Serving"]

    subgraph Agent3 ["🚀 Agent 3: Deployment & Serving"]
        D --> D1["Extract Pydantic Input Schema"]
        D1 --> D2["Synthesize Standalone serve.py (FastAPI)"]
        D2 --> D3["Activate In-Browser Inference Playground"]
    end

加载中

📂 项目输出与生成的工件

您创建的每个项目都会在 projects/<project_id>/ 内存储完整、可复现的工件：

🧪 包含的示例数据集

EpochGo 在 sample_data/ 中预置了两个数据集，可立即用于测试：

1. 客户流失（sample_data/customer_churn.csv）：

   • 任务：二分类（churn：0 或 1）
   • 特征：age、tenure_months、monthly_charges、total_charges、contract、internet_service 等。
   • 包含真实世界的缺失值和异常值，以演示智能体清洗。

2. 房价（sample_data/house_prices.csv）：

   • 任务：回归（price）
   • 特征：square_feet、bedrooms、bathrooms、year_built、neighborhood、condition 等。

🛠️ 本地开发（不使用 Docker）

如果你更愿意直接在宿主机上运行 EpochGo：

# 1. Clone repository
git clone https://github.com/AryanDinakaran/EpochGo.git
cd EpochGo

# 2. Create virtual environment
python3 -m venv venv
source venv/bin/activate

# 3. Install dependencies
pip install -r requirements.txt

# 4. Make sure Ollama is running
ollama serve
ollama pull qwen2.5-coder:7b

# 5. Start EpochGo
uvicorn epoch_go.main:app --host 0.0.0.0 --port 8000 --reload

📡 API 参考

• GET /api/health - 检查服务状态和 Ollama 模型连接性。
• GET /api/projects - 列出所有项目及执行状态。
• POST /api/projects - 上传 CSV、命名项目并触发 CrewAI 流水线。
• GET /api/projects/{id} - 获取项目元数据、状态和基准排行榜。
• GET /api/projects/{id}/files/{filename} - 获取生成的 Markdown 报告和 Python 脚本。
• GET /api/projects/{id}/download/{filename} - 下载 .joblib 模型或 .py 脚本。
• POST /api/projects/{id}/predict - 针对项目的冠军模型运行实时预测。
• WS /ws/projects/{id} - 用于智能体推理日志的实时 WebSocket 流。

🏛️ 维护与开发方

Epochlypse Research

• 首席架构师：Aryan Dinakaran
• 使命：本地优先、私密、可复现的多智能体系统，服务于高杠杆的数据科学与机器学习工程。
• Connect & Collaborate:
  • 🌐 网站：epochlypse.com
  • ✉️ 邮箱：founder@epochlypse.com
  • 💼 LinkedIn：Aryan Dinakaran
  • 📸 Instagram：@aryandinakaran
  • 🐙 GitHub：@AryanDinakaran

📄 许可证

MIT 许可证。可免费用于个人、商业和研究用途。