大语言模型（LLM），例如GPT、Claude、Palm和Llama等，在自然语言理解和生成方面展示了非凡的能力。这些模型已被广泛应用于各种应用中，包括聊天机器人、虚拟助手和内容生成系统。LLM有潜力彻底改变人类与机器的互动方式，提供更自然、更直观的体验。特别是那些利用大型语言模型（LLM）或其他人工智能技术的Agent，被视为具有规划任务、观察周围环境并相应执行适当行动的自主实体。几个现有的框架，包括Langchain、SemanticKernel、TransformersAgent、Agents、AutoGen和JARVIS，已努力利用LLM进行面向任务的对话。这些框架使用户能够通

数据分析一直是现代社会中的重要工具，它帮助我们洞察本质、发现规律并指导决策。然而，数据分析过程往往复杂且费时，因此我们期望存在一个智能助手助力用户直接“与数据对话“。得益于大语言模型（LLM）的发展，虚拟助手和Copilot等智能Agent纷纷涌现，它们在自然语言理解和生成方面的表现令人叹为观止。但遗憾的是，在处理复杂数据结构（如DataFrame,ndarray等）和引入领域知识方面，现有的Agent框架仍然举步维艰，而这恰恰是数据分析和专业领域中的核心需求。为了突破这一瓶颈，微软推出了TaskWeaver——一款代码优先的Agent框架。TaskWeaver能够将用户的自然语言请求巧妙地转