Bild vom Herausgeber
# Einführung
Die Welt der künstlichen Intelligenz (KI) für Entwickler verändert sich rasant. Möglicherweise haben Sie bereits Instruments verwendet, die beeindruckende Codevorschläge bieten und ein oder zwei Zeilen automatisch vervollständigen. Aber was wäre, wenn Ihre KI mehr könnte? Stellen Sie sich einen Assistenten vor, der nicht nur eine Funktion vorschlägt, sondern das gesamte Skript schreibt, es ausführt, die Fehler erkennt, sie behebt und sogar das endgültige Projekt bereitstellt – und das alles, während Sie an Ihrem Kaffee nippen.
Das ist das Versprechen der Agentenkodierung, und es ist kein futuristisches Konzept mehr. Es ist heute hier mit Instruments wie Gans. Dieser Artikel ist Ihr einsteigerfreundliches Tutorial zum Verständnis und zur Verwendung von Goose, einem kostenlosen Open-Supply-KI-Agenten, der über einfache Vorschläge hinausgeht, um sinnvolle technische Aufgaben zu automatisieren.
Wir erläutern, was Goose so besonders macht, wie es funktioniert und wie Sie als Datenwissenschaftler damit beginnen können, Ihren Workflow zu optimieren.
# Was ist Gans?
Im Kern ist Goose ein wiederverwendbarer Open-Supply-KI-Agent, der für die Ausführung auf Ihrem lokalen Laptop konzipiert ist. Betrachten Sie es als einen autonomen Teamkollegen, der komplexe Anweisungen entgegennehmen und von Anfang bis Ende durchziehen kann.
Im Gegensatz zu herkömmlichen KI-Codierungsassistenten, die in Ihrem Texteditor laufen und Snippets anbieten, arbeitet Goose in Ihrer tatsächlichen Entwicklungsumgebung. Es kann mit Ihrem Dateisystem interagieren, Terminalbefehle ausführen und sogar externe Anwendungsprogrammierschnittstellen (APIs) aufrufen. Das bedeutet, dass ganze Workflows verarbeitet werden können, nicht nur einzelne Codezeilen.
Goose wurde mit Blick auf Transparenz und Neighborhood-Beitrag entwickelt Block Inc. und steht jedem unter einer Open-Supply-Lizenz zur Verfügung. Sie können die vollständige Codebasis finden und dazu beitragen GitHub-Repository.
# Hauptmerkmale, die Goose auszeichnen
Goose ist nicht nur ein weiterer KI-Wrapper. Seine Architektur basiert auf mehreren leistungsstarken Prinzipien, die ihm einzigartige Fähigkeiten verleihen:
- Goose ist wirklich autonom und kann ein übergeordnetes Ziel in eine Reihe von Schritten unterteilen und diese ausführen. Sie können es bitten, „einen einfachen Net-Scraper für diese Web site zu erstellen und die Daten als CSV auszugeben“, und es übernimmt die Planung, Codierung, Checks und Fehlerbehebung.
- Das ist ein Sport-Changer. Goose kann sich mit jedem Server verbinden, der dem folgt Modellkontextprotokoll (MCP). Dieser Normal ermöglicht die Einbindung in ein großes Ökosystem von Instruments wie Datenbanken und Versionskontrollsystemen Gitoder externe Dienste, die ihre Möglichkeiten erheblich erweitern.
- Ihr Code und Ihre Daten bleiben auf Ihrem Laptop. Goose führt Aufgaben in Ihrer lokalen Umgebung aus, was für die Arbeit mit sensiblen Daten oder proprietären Codebasen wichtig ist. Sie behalten die volle Kontrolle.
- Sie sind nicht an ein KI-Modell gebunden. Goose funktioniert mit jedem großen Sprachmodell (LLM), von leistungsstarken cloudbasierten Optionen wie GPT-4 und Claude bis hin zu lokalen Modellen, die Sie auf Ihrer eigenen {Hardware} ausführen können. Dies gibt Ihnen die Flexibilität, Leistung, Kosten und Datenschutz in Einklang zu bringen.
- Goose ist in zwei Geschmacksrichtungen erhältlich, passend zu Ihrem Arbeitsablauf:
- Die Desktop-App: Eine benutzerfreundliche grafische Oberfläche, perfekt für visuelle Denker und diejenigen, die ein Chat-ähnliches Erlebnis bevorzugen.
- Die Befehlszeilenschnittstelle (CLI): Für Entwickler, die im Terminal arbeiten, bietet die CLI Geschwindigkeit, Skriptfunktionen und tiefe Integration.
# Warum sollten sich Datenwissenschaftler für die Agentencodierung interessieren?
Wenn Sie ein Datenwissenschaftler sind, passt Ihre tägliche Arbeit perfekt zu dem, was Goose am besten kann. Sie jonglieren ständig mit sich wiederholenden, mehrstufigen Aufgaben, die die Interaktion mit verschiedenen Instruments und Bibliotheken erfordern. So kann Goose zu Ihrer Geheimwaffe werden:
- Schnelles Prototyping: Haben Sie eine Hypothese? Sagen Sie Goose, er solle „den Titanic-Datensatz von Seaborn laden, einen zufälligen Waldklassifikator trainieren und den Genauigkeitswert ausdrucken“. Es kann den Boilerplate-Code schreiben, ausführen und Ihnen in Sekundenschnelle Ergebnisse liefern, sodass Sie schneller vorankommen.
- Automatisierte Datenpipeline-Aufgaben: Bitten Sie Goose, „ein Python-Skript zu schreiben, das alle CSV-Dateien in der Datei bereinigt.“
./knowledge/uncookedOrdner, behandelt fehlende Werte durch Imputation mit dem Median und speichert die bereinigten Dateien in./knowledge/processed.“ Das Skript wird für Sie erstellt, ausgeführt und sogar debuggt. - MLOps vereinfachen: Möchten Sie ein Modell mit DVC versionieren oder ein Experiment in MLflow protokollieren? Sie können Goose bitten, die Git-Befehle, das DVC-Setup oder die MLflow-Protokollierungsaufrufe zu übernehmen und so die betrieblichen Schwierigkeiten zu beseitigen.
- Umgebungs- und Abhängigkeitsmanagement: Neues Projekt? Bitten Sie Goose, „eine neue virtuelle Python-Umgebung zu erstellen, Pandas, Scikit-Be taught und Matplotlib zu installieren und dann eine Datei „necessities.txt“ zu generieren.“ Es ist, als ob Sie einen DevOps-Ingenieur in Ihrem Group hätten.
# Erste Schritte mit Goose: Eine Schritt-für-Schritt-Anleitung
Beginnen wir mit der Set up von Goose und der Ausführung Ihrer ersten Agentenaufgabe. Dank der hervorragenden Dokumentation ist der Prozess unkompliziert.
// Schritt 1: Set up
Abhängig von Ihrem Betriebssystem (macOS, Linux oder Home windows) gibt es unterschiedliche Möglichkeiten zur Set up. Sie können das Desktop-App-Installationsprogramm direkt von herunterladen Goose-Web site oder die Launch-Seite auf GitHub.
Abbildung 1: Goose-Set up
// Schritt 2: Ersteinrichtung und Konfiguration
Extrahieren Sie die Dateien aus der heruntergeladenen ZIP-Datei. Öffnen Sie den extrahierten Ordner und klicken Sie auf die Goose-Anwendung.
Wenn Sie es zum ersten Mal ausführen, führt Sie Goose durch einen Einrichtungsprozess. Der wichtigste Schritt ist die Konfiguration Ihres LLM-Anbieters. Sie benötigen einen API-Schlüssel von einem Anbieter wie OpenAI, Anthropic oder anderen. Goose fragt Sie, welchen Anbieter Sie verwenden möchten, und fordert Sie sicher zur Eingabe des Schlüssels auf. Sie können dies auch später konfigurieren oder den Anbieter wechseln, indem Sie die Konfigurationsdatei bearbeiten, was Ihnen die Flexibilität gibt, verschiedene Modelle für verschiedene Aufgaben zu verwenden.
Abbildung 2: Erste Einrichtung und Konfiguration von Goose
// Schritt 3: Ihre erste Agentensitzung
Nun zum spaßigen Teil. Geben wir Goose eine Aufgabe, die seine Agentenfähigkeiten unter Beweis stellt. Wir werden es bitten, eine einfache Datenanalyse durchzuführen. Starten Sie einen neuen Chat:
Sie werden mit einer Eingabeaufforderung begrüßt. Geben Sie nun Ihre Anweisung ein. Seien Sie so klar und konkret, wie Sie es gegenüber einem jüngeren Kollegen tun würden.
Abbildung 3: Erste Agentensitzung
Geben Sie die folgende Eingabeaufforderung ein:
Ich befinde mich in einem neuen, leeren Verzeichnis. Erstellen Sie zunächst ein neues Python-Skript mit dem Namen „analysate_stocks.py“. Schreiben Sie in diesem Skript Code an:
1. Verwenden Sie die yfinance-Bibliothek, um die täglichen Bestandsdaten der letzten 3 Monate für Apple (AAPL) und Microsoft (MSFT) herunterzuladen.
2. Berechnen Sie den einfachen gleitenden 20-Tage-Durchschnitt für den Schlusskurs jeder Aktie.
3. Erstellen Sie ein einzelnes Diagramm mit den Schlusskursen und den gleitenden Durchschnitten für beide Aktien sowie einer Legende.
4. Speichern Sie die Darstellung als stock_analysis.png.Führen Sie dann das Skript aus. Wenn es Fehler gibt (z. B. fehlende Bibliotheken), finden Sie heraus, wie Sie diese beheben können, und führen Sie es erneut aus, bis es erfolgreich ist. Lassen Sie mich abschließend wissen, ob das Bild erfolgreich erstellt wurde.
Lehnen Sie sich jetzt zurück und schauen Sie zu.
Abbildung 4: Goose Chat-Oberfläche
Folgendes ist passiert:
- Wir laden die täglichen Bestandsdaten der letzten 3 Monate für Apple (AAPL) und Microsoft (MSFT) herunter yfinance Bibliothek.
- Wir berechnen den einfachen gleitenden 20-Tage-Durchschnitt für den Schlusskurs jeder Aktie.
- Wir erstellen ein einzelnes Diagramm, das die Schlusskurse und die gleitenden Durchschnitte zeigt.
Dieses einfache Beispiel veranschaulicht den Kern der Agentencodierung, bei der eine einzelne Anweisung zu einem mehrstufigen, sich selbst korrigierenden Arbeitsablauf führt. Komplexere Tutorials finden Sie auf der offiziellen Web site.
Abbildung 5: Goose Chat-Oberfläche
# Erweiterung der Fähigkeiten von Goose mit MCP
Das wahre Potenzial von Goose wird durch seine Erweiterbarkeit erschlossen. Der MCP ist ein offener Normal, der es Goose ermöglicht, eine Verbindung zu jedem Server herzustellen, der ihn implementiert. Stellen Sie sich MCP-Server als „Fähigkeiten“ oder „Werkzeuge“ vor, die Sie Goose geben können.
Sie könnten Goose beispielsweise mit Folgendem verbinden:
- Ein MCP-Server für PostgreSQL: Dann könnten Sie fragen: „Stellen Sie eine Verbindung zu meiner lokalen Datenbank her, führen Sie eine Abfrage aus, um die High-10-Kunden nach Lifetime-Wert zu finden, und speichern Sie die Ergebnisse in einer CSV.“
- Ein MCP-Server für GitHub: Ihre Anweisung könnte lauten: „Sehen Sie sich die offenen Probleme in meinem Repository „Datenprojekt“ an, suchen Sie das Drawback mit der Bezeichnung „Fehler“ und erstellen Sie einen neuen Zweig, um mit der Arbeit an einem Repair zu beginnen.“
- Ein MCP-Server für Slack: Sie könnten Goose einen Kanal überwachen lassen und Diskussionen automatisch zusammenfassen oder Updates veröffentlichen.
Dieses Ökosystem macht Goose von einem leistungsstarken lokalen Agenten zu einem zentralen Orchestrator für Ihren gesamten Entwicklungs- und Datenworkflow.
Abbildung 6: Goose-Einstellungen
# Abschluss
Agentische Codierung stellt einen bedeutenden Fortschritt in der Artwork und Weise dar, wie wir mit KI interagieren. Es ist ein Wandel vom Bitten um Hilfe bei einem kleinen Codeabschnitt hin zum Delegieren ganzer Aufgaben und dem Vertrauen in die KI, die Schritte herauszufinden.
Goose macht dieses leistungsstarke Paradigma zugänglich, kostenlos und unter Ihrer Kontrolle. Für Datenwissenschaftler ist es ein unschätzbares Werkzeug, um mühsame Aufgaben zu automatisieren, schnell Prototypen zu erstellen und die zunehmende Komplexität moderner Projekte zu bewältigen. Da es lokal läuft, LLM-agnostisch ist und über MCP erweiterbar ist, liegt die Leistungsfähigkeit autonomer KI-Agenten direkt in Ihren Händen, direkt auf Ihrem eigenen Laptop.
Der beste Weg, sein Potenzial zu verstehen, besteht darin, es auszuprobieren. Installieren Sie Goose, geben Sie ihm eine Aufgabe, vor der Sie sich gefürchtet haben, und erleben Sie die Zukunft des Codierens selbst.
// Referenzen
Shittu Olumide ist ein Software program-Ingenieur und technischer Autor, der sich leidenschaftlich dafür einsetzt, modernste Technologien zu nutzen, um fesselnde Erzählungen zu erschaffen, mit einem scharfen Blick fürs Element und einem Gespür für die Vereinfachung komplexer Konzepte. Sie können Shittu auch auf finden Twitter.