数据挖掘智能体 Drew-NN/dsh-data-mining

dsh-data-mining

给 DeepSeek Harness 用的数据挖掘智能体——一个可安装的配置档层，往任意 dsh 配置档里加上数据科学家角色、数据剖析工具和领域技能。

你会得到什么

安装这个包，会给你的配置档加上三样东西：

| 贡献 | 作用 |
| 数据科学家角色 | 替换配置档角色：先摸清工作区，先剖析再写代码，验证时不留泄漏，最后汇报发现 |
| 数据工具（discover_datasets、profile_dataset、value_counts、sample_rows、split_dataset、check_leakage） | 让模型能间接看到那些塞不进上下文窗口的数据集——工作区清单、schema、缺失率、分布统计、取值频次、行访问——再加上机械化的切分/泄漏护栏（确定性的训练/测试切分，并记录元数据；验证没有测试信息流入训练）。CSV 解析很稳（处理 BOM、自动识别分隔符），有字节/行数上限，sampled/truncated 标记如实反映情况 |
| 领域技能（data-mining-workflow、data-leakage-prevention、data-quality-assessment） | CRISP-DM 工作流纪律、把测试信息挡在训练之外的防泄漏规则、系统化的数据质量评估清单——按需加载 |

所有东西都在一个包里：工具和技能由同一个插件注册，角色则放在这个包的补丁层里。

安装

from GitHub
dsh plugin --profile headless add github:<your-username>/dsh-data-mining
or after publishing to npm
dsh plugin --profile headless add @deepseek-ai/dsh-data-mining

这个包会加入配置档的层栈；下次运行 dsh 时，角色、工具和技能就生效了。

使用

在你希望智能体干活的那个目录里运行 dsh——智能体的工作目录就是那个目录（headless 配置档把 cwd 和沙箱根目录都设成 process.cwd()）：

cd /path/to/your/data-mining-workspace
dsh --profile headless "explore this workspace, find the datasets, and analyze them"

智能体会列出工作区，找到数据和代码，剖析数据集，并把产物（脚本、模型、报告）留在你的工作区里。

沙箱说明：默认沙箱模式是 workspace-write——智能体可以在它运行的目录里自由读写，往目录外写则需要审批。这是安全边界，不是限制。

验证安装

dsh --profile headless --dump-config | grep -A2 "data-mining"
expect a data-mining row inserted by this bundle

工作原理

- cordis.patch.yml —— 这个包的补丁层：替换基础 system-prompt 角色，并插入 data-mining 插件行。
- src/index.ts —— 一个 Cordis 插件，把 profile_dataset / sample_rows 注册到 ctx.tools，把随包技能作为 bundled provider 注册到 ctx.skills（按安装目录定位 SKILL.md 文件）。
- src/profile.ts — CSV 解析与画像逻辑（纯函数，有单元测试）。
- skills/ — 三个技能正文。

开发

pnpm install
pnpm run build # tsc → lib/
pnpm test # vitest (48 tests)

要在隔离配置档里端到端测试打包产物：

export DSH_HOME=/tmp/dsh-e2e
dsh plugin --profile headless add file:./ # or the git URL
dsh --profile headless --dump-config # verify the data-mining row
cd /some/workspace && dsh --profile headless "analyze the data here"

发布

1. 替换 package.json 的 repository 字段里的 <your-username>。
2. 推送到 GitHub；用户用 dsh plugin ... add github:<your-username>/dsh-data-mining 安装。
3. 也可以 npm publish --access public，走普通 npm 安装。

许可证

MIT