DataFlow-Harness：别再让agent写一次性脚本了

让编程agent搭一条数据流水线，你会拿到一个Python脚本。能跑，能用，然后它就变成一个没人能改、没法监控、没法复用的死物。北大的DataFlow-Harness把这个问题命名为NL2Pipeline鸿沟，解法是让agent在真实平台里搭一个可编辑的DAG，而不是往文件里吐代码。

机制是一套跑在MCP工具上的"请求-校验-提交"协议。agent不生成流水线，它是针对平台的实时状态提出算子，后端校验算子之间的schema兼容性，通过了才提交。配套有一个同步的Web界面，对话式编辑和可视化编辑看的是同一个对象，再加一层DataFlow-Skills，把领域构造模式编码进去——不然这些东西agent只能靠猜。

数据是论证本身。十二个任务的基准上端到端通过率93.3%，跟直接让模型写脚本只差0.9个点，但成本低72.5%，延迟低49.9%。这个组合很不寻常，值得盯着看一会儿。把agent锚定在校验过的平台状态上，比代码生成更便宜而不是更贵，因为agent不再烧token去重新推导那些本来可以查询的结构，也不再反复重试那些从一开始就通不过类型检查的流水线。消融实验说贡献最大的单块是流程性引导，也就是skills那一层，四个点，而且恰好体现在需要隐性领域知识的任务上。

普适的教训远超出数据流水线。agent的默认输出是代码，因为训练数据奖励的就是代码，但当后面要有个人接手为结果负责时，代码是最糟糕的交接格式。任何底下有真实平台的领域——BI看板、ETL、基础设施、CI配置——面对的都是同一个选择：让agent写一个绕过平台的脚本，还是给它MCP工具让它成为平台的一等公民用户。后者更难做，也是唯一能在跟运维团队接触之后活下来的那个。

https://huggingface.co/papers/2607.16617