核心功能
TaskWeaver 是微软开源的代码优先 agent 框架，以代码片段理解请求、将领域算法封装为插件执行，专注有状态数据分析。同时保留聊天与代码执行历史，支持 pandas DataFrame 等数据结构，任务经规划器拆解、执行器运行 Python 代码；代码默认在 Docker 容器中隔离执行。
功能亮点
有状态执行
跨轮次保留代码执行历史与内存数据，适合复杂表格数据。
反思式执行
agent 反思执行结果并调整计划，失败代码可自动修复重跑。
领域知识注入
插件与示例封装领域算法，提升可靠性并支持多角色协作。
容器安全隔离
默认 container 模式在 Docker 中执行代码，进程互不干扰。
自定义模型 / 模型接入
多厂商支持
在 taskweaver_config.json 配任意 LLM，官方示例 gpt-4 并支持本地小模型；兼容 OpenAI 格式端点可对接国产模型。
接入方式
- taskweaver_config.json 键 llm.api_key 填密钥
- llm.model 指定模型名如 gpt-4
- llm.api_type 与 base_url 可指向兼容端点
- 已针对性优化本地部署的小型 LLM
支持模型
OpenAI GPTAzure OpenAIOllama 本地模型其他 OpenAI 兼容模型
bash
编辑 taskweaver_config.json 配置模型
{
"llm.api_key": "sk-xxx",
"llm.model": "gpt-4"
}
启动命令行会话
python -m taskweaver -p ./project/适用场景
• 数据清洗与统计分析
• 报表自动生成
• 领域插件化任务编排
• 多步骤复杂问题求解
安装配置
bash
git clone https://github.com/microsoft/TaskWeaver.git && pip install -r requirements.txt（要求 Python>=3.10）
使用方法
编辑 taskweaver_config.json 填入 llm.api_key 与 llm.model 后，运行 python -m taskweaver -p ./project/ 启动 CLI 会话，以自然语言下达数据分析需求，框架自动拆解任务、生成 Python 代码并执行返回结果。
优点
- 代码优先执行可靠性高
- DF 等数据结构支持好
- 插件机制扩展灵活
- 日志透明易调试
缺点
- 无 pip 直装包需源码安装
- container 模式依赖 Docker
- 配置项分散文档偏少