DataFlow-Harness minskar gapet mellan AI-genererade kodflöden och färdiga pipelines

Forskare vid Pekinguniversitetet, Zhongguancun Academy och Shanghai Institute for Advanced Algorithms Research har introducerat DataFlow-Harness, ett ramverk med öppen källkod som vägleder AI-agenter att bygga strukturerade, visuella databehandlingsflöden.

Medan AI-agenter ofta kan generera enskilda Python-skript för enkla uppgifter som att bearbeta en JSON-fil, stöter de på problem när de uppmanas att skapa systematiska databehandlingspipelines. Dessa pipelines involverar ofta tusentals dokument, textsegmentering och kvalitetsbedömning för system som Retrieval-Augmented Generation (RAG), och AI-genererade lösningar tenderar att vara fria skript som är svåra att hantera.

DataFlow-Harness syftar till att adressera detta. Istället för att AI skriver rå kod från grunden, guidar ramverket agenten att bygga arbetsflöden steg för steg. Detta gör AI-genererade pipelines mer hanterbara och enklare att integrera i befintliga arkitekturer, eftersom de resulterande artefakterna är beständiga och redigerbara.

Enligt forskningen uppnår plattformen en genomsnittlig framgångsgrad på 93,3 % på en benchmark med 12 datatekniska uppgifter. Jämfört med standard Claude Code minskar den API-kostnaderna med upp till 72,5 % och svarstiden med 49,9 %. Detta gör att företagsteam kan dra nytta av AI-automation utan att ackumulera ohanterlig teknisk skuld, vilket säkerställer att pipelines förblir säkra, granskningsbara och redo för produktion.