Avaloka CLI
Команда агентов для анализа данных ведет таблицу от сырых строк до обученной модели и сама проверяет свои выводы.
- 122 ★ репозитория
- Последний коммит
- Apache-2.0
Широкий доступ
Почему такой уровень
- Агент пишет и запускает Python-код по вашим данным локально или в кластере и может обучать и разворачивать модели.
Установка
Ручная установка
git clone https://github.com/guruvaidev/avaloka.git && cd avalokaПервая команда быстрого старта. Затем `./scripts/install.sh` и `source .venv/bin/activate`, установка занимает 5–10 минут.
Доступ и проверки
Как мы проверяемШирокий доступИнструмент может менять данные, выполнять команды или работать с секретами.
- Агент пишет и запускает Python-код по вашим данным локально или в кластере и может обучать и разворачивать модели.
Это чужой код. Посмотрите файлы в репозитории перед установкой.
Что делает
Avaloka — открытый CLI-агент для работы с данными. Команда `avaloka analyze` смотрит набор данных, пишет и проверяет код анализа, запускает его и печатает вердикт, а рядом создает папку с отчетом для руководителя, воспроизводимым кодом `analysis.py` и ноутбуком, а также файлами происхождения чисел. `avaloka train` обучает несколько моделей, проверяет, что лучшая обходит тривиальную базу, и пишет готовую к развертыванию модель. `avaloka chat` ведет разговор по данным, `avaloka coordinate` запускает несколько копий агента на частях данных и сводит их в один ответ. Внутри двенадцать ролей: планировщик, профайлер, кодер, валидатор, исполнитель, обучение, визуализация и три проверяющих. Они отказываются обучать модель на утекших целях, требуют победы над базой по доверительному интервалу и сверяют текст отчета с посчитанными числами. Работать можно на ноутбуке или на кластере Ray и Kubernetes, а модель выбирают из Claude, GPT, Gemini или локальных vLLM и Ollama.
Для кого. Аналитикам и дата-сайентистам, которым нужен воспроизводимый разбор таблицы с проверкой выводов, а не ответ из чата.
Подходит, если
- Новый CSV надо разобрать: средний чек по диагнозу, причины разброса, качество данных.
- Нужна модель с проверкой, что она лучше тривиальной базы и не обучилась на утечке цели.
- Анализ должен воспроизводиться: нужен код, ноутбук и происхождение каждого числа.
- Большой файл делят между несколькими копиями агента командой `avaloka coordinate`.
Не подходит, если
- Нужен быстрый разовый ответ по маленькой таблице: хватит обычного чата с моделью.
- Работа идет на Windows: проект рассчитан на macOS и Linux.
- Нужны коннекторы к облачным базам и командные функции: они есть только в платных редакциях.
Пример запроса к агенту
Проанализируй `healthcare_dataset.csv` с целью «средний счет по диагнозу» и покажи вердикт и папку с отчетом.Ограничения
Нужны Python 3.11 или 3.12 на macOS или Linux. Открытая редакция рассчитана на ноутбук и небольшой кластер, на больших многоузловых кластерах и в промышленной нагрузке ее не проверяли, поддержка идет силами сообщества. Коннекторы к облачным базам, подготовка кластера и командные функции есть только в коммерческих редакциях. Агент пишет и запускает Python-код по вашим данным, поэтому запускайте его на данных и в окружении, где это допустимо. Без модели работают только базовые команды, разговор и подробный текст требуют ключа.
Как отключить. Удалите клон репозитория и виртуальное окружение `.venv`. Результаты анализа и модели лежат в папках `avaloka-analysis/` и `avaloka-model/` и удаляются вручную.
Частые вопросы
Как запустить первый анализ?
Поставьте проект командой `./scripts/install.sh`, активируйте окружение и выполните `avaloka analyze app/sample_data/healthcare_dataset.csv --goal "average billing amount by medical condition"`. Ключ API для этого не нужен.
Что лежит в папке результата?
Отчет `executive_report.html`, `README.md` с выводами и ограничениями, код `analysis.py` и `analysis.ipynb`, ответ `goal_analysis.json` и файлы происхождения `lineage.json` и `data_quality.json`.
Какие форматы данных поддерживаются?
CSV, TSV, Parquet, Excel, JSON, XML, ORC и Avro.
Какую модель можно подключить?
Claude через ключ `ANTHROPIC_API_KEY`, OpenAI, Gemini на Vertex AI или локальную через vLLM или Ollama. Выбор задается переменной `INFERENCE_PROVIDER`.
Что делает `avaloka coordinate`?
Копирует агента на несколько рабочих процессов, каждый разбирает свою половину данных, а главный сводит их профили и вердикт в один результат `avaloka-fleet/coordination.json`.
Обсуждение
Вопросов и отзывов пока нет.
Похожие
CLI-инструментыНабор команд, скиллов и субагентов для Claude Code, который ведет анализ данных как аккуратный аналитик команды.
Шаблон для аналитиков данных: AGENTS.md, CLAUDE.md и набор скиллов по Python, SQL, Polars и диагностике моделей.
CLI-агент для исследований в количественных инвестициях: читает брокерские отчеты, придумывает факторы и считает IC.
AVA, скилл визуальной аналитики, отвечает на вопросы о CSV или базе проверяемыми запросами и графиком, а не текстом наугад.
Один бинарник строит поисковый индекс по таблицам и логам, и агент получает в ответ несколько записей вместо сырой истории
Для повторного эксперимента агент скачивает набор Kaggle в рабочую папку и забирает результаты ноутбука через командный клиент.
Коротко о README
Репозиторий содержит CLI, команду агентов на Python, веб-интерфейс и API, чарт Helm для Kubernetes, встроенные примеры наборов данных, документацию по установке, редакциям и архитектуре. Лицензия Apache-2.0, а проект ведется с версионированием и журналом изменений.