Google 發布 DS-STAR：能自動寫程式、分析研究數據、繪圖與制表的最強多功能資料科學 Agent

DS-STAR 是什麼？

Google Cloud 研究團隊近日推出 DS-STAR（Data Science – Sequential Task-Action Reasoner），一個能夠自動完成整個資料科學流程的多智能體 AI 系統。它能理解自然語言指令、撰寫 Python 程式、進行資料清理、建模與視覺化分析，並能自我驗證結果是否合理。

不同於以往只能處理表格資料的 AI 工具，DS-STAR 能同時處理 CSV、JSON、文字檔、Markdown 等多格式資料，讓非技術背景的使用者也能用一句話完成完整的數據分析任務。

這項突破標誌著資料科學自動化邁向新階段——未來或許不再需要工程師手動寫程式來跑分析，AI 將能成為「自我審查、可重複驗證」的資料研究夥伴。

為何 Google 要開發 DS-STAR？

在真實世界的資料科學任務中，從資料清理到結果驗證往往需要多個步驟與專業知識。典型流程包括：

1. 整理與清洗原始資料（Data Wrangling）
2. 移除重複值與格式化數據
3. 建立統計或機器學習模型
4. 繪製圖表呈現趨勢
5. 驗證分析結果的可靠性

過去，這些工作都仰賴人工撰寫程式、除錯與人工驗證，過程不僅耗時，也容易出錯。

Google 研究團隊希望藉由 大型語言模型（LLM） 的推理能力，讓 AI 能以自然語言指令自動完成這些任務，例如：

「請幫我分析這些銷售紀錄，找出每月的成長趨勢，並畫成圖表。」

DS-STAR 三大技術創新

Data File Analyzer：資料檔案分析員

DS-STAR 的第一個模組會自動掃描資料夾中的所有檔案，不論格式為 CSV、JSON、TXT 或 Markdown，皆能理解其結構與關聯。
舉例來說，它能自動生成一份「資料地圖」：

「File A 包含用戶購買紀錄、File B 為商品描述、File C 為行銷活動日誌。」

透過這種預處理，AI 不再需要人類額外解釋資料來源與邏輯關係，大幅提升自動分析的正確率。

Planner、Coder、Verifier、Router 四智能體協作

這四個角色構成 DS-STAR 的核心工作流程：

• Planner：擬定整體分析計畫
• Coder：撰寫並執行 Python 程式
• Verifier：審核結果是否合理
• Router：決定是否修改策略或重新嘗試

整個過程模擬一個專業數據團隊的互動，系統會自動重複這一循環最多十次，直到 Verifier 判斷結果滿意為止。

這讓 DS-STAR 成為真正能「邊學邊修正」的 AI 科學家，而非一次性輸出答案的模型。

Iterative Sequential Planning：迭代順序規劃

傳統 AI 系統通常一次輸出答案，若錯誤便無法自我修正。
DS-STAR 引入「迭代順序規劃」機制，模仿人類使用 Jupyter Notebook 的習慣：

嘗試 → 查看結果 → 再調整策略。

這種逐步改進的設計使其能動態優化每次分析步驟，最終生成更準確的報告與可視化圖表。

工作流程概覽

1. 讀取資料目錄
2. Data File Analyzer 建立資料結構摘要
3. Planner 擬定分析步驟
4. Coder 撰寫並執行代碼
5. Verifier 檢查結果合理性
6. Router 決定是否重新規劃
7. 輸出最終結果：包含表格、圖表或報告

這樣的多層設計讓 DS-STAR 具備「可理解 + 可修正 + 可驗證」的閉環能力。

DS-STAR 的實驗結果

Google 研究團隊在三項權威資料科學基準測試中對 DS-STAR 進行評估，結果顯示它在多文件、複雜資料分析任務上表現最為出色。
截至 2025 年 9 月 18 日，DS-STAR 在 DABStep 榜單 上排名第一，成為目前全球最強的自動化資料科學 Agent。

平均迭代輪次統計

• 簡單任務：平均 3.0 輪完成
• 複雜任務：平均 5.6 輪完成
• 超過一半的簡單任務僅需 1 輪即可解決

這意味著 DS-STAR 不僅能快速完成初級任務，也能在多輪自我修正後穩定處理複雜問題。

模組消融實驗

研究團隊進一步進行「拆件測試」以驗證各模組的重要性。
結果顯示：

• 移除 Verifier 後，結果準確率顯著下降；
• 缺乏 Router 的版本無法完成多步任務；
• 不同 LLM（如 Gemini、Claude、GPT-4）皆能在 DS-STAR 架構中運行，顯示其架構具高度通用性。

為何 DS-STAR 重要？

降低門檻

它讓非技術背景的使用者也能完成專業資料分析，開啟「無程式碼資料科學」時代。

提高效率

過去需要數小時的人工作業，如今可能在幾分鐘內完成。

推動研究革新

DS-STAR 的「多智能體協作 + 自我驗證」設計，為未來 AI 系統帶來新範式：
不再依賴單一模型輸出，而是多角色互補、持續自查的協作體系。

應用前景與未來展望

Google 表示，DS-STAR 的應用潛力橫跨產業與教育：

• 商業智能（BI）工具：自動生成報表與趨勢分析
• 科研助手：自動化數據實驗與結果驗證
• 教育應用：成為學生學習資料科學的 AI 導師

未來，DS-STAR 或將整合至 Google Cloud 生態系，成為企業數據分析的核心 AI 基礎模組，與 BigQuery、Vertex AI 等工具互補。

結語

DS-STAR 不只是「會寫程式的 AI」，它標誌著資料科學正式進入「自動推理 + 多智能體」時代。
在這個新架構下，AI 不再是輔助工具，而是能主導整個分析過程的「虛擬研究員」。
當自檢、自修、可解釋成為主流，資料科學家的角色也將逐漸轉型為決策與創造力的發揮者。

Source

Google Research Blog – DS-STAR