Google 升级 Colab：内置 Data Science Agent 帮洗数据写代码

做数据分析的人大概都懂一种痛苦：大半时间其实不是在看洞察，而是在洗脏数据、补缺失值、写重复的样板代码。

Google 正式在云端笔记本平台 Colab 里上线了一个新工具：Data Science Agent。说白了，就是给你的 Jupyter Notebook 塞进了一个懂数据的 AI 助手，帮你自动清洗数据、画趋势图，顺手提炼点结论。

脏活累活丢给 Gemini 2.0

这个工具其实不是临时起意。早在去年初的 Google I/O 上，Google 就拿它亮过相，不过当时还是个独立项目。

Google Labs 产品总监 Kathy Korevec 在接受采访时透露，他们后来发现，把 Agent 直接放进大家天天写代码的 Colab 里，用起来才最顺手。

它的操作门槛压得很低：上传数据集，然后像平时聊天一样直接提问就行。

在底层，它调用的是 Google 最新的 Gemini 2.0 模型家族，同时配了一套推理工具，专门用来对付特征工程和数据清洗这类需要多步逻辑推导的任务。Google 目前还在通过强化学习和用户反馈来持续调优。

不过，目前的版本也有挺多限制。它暂时只支持 1GB 以下的文件，格式限定在 CSV、JSON 或 .txt。

另外，它在单个 Prompt 里能处理大约 12 万个 token，折合下来差不多是 48 万个英文单词。虽然足够装下很多中小型表格，但面对真正的海量数据还是得靠传统管道。

费用方面，Data Science Agent 本周起对 Colab 用户免费开放，但免费账户本身的算力配额相对较少。想要更充裕的资源，需要订阅每月 9.99 美元起的 Colab 付费计划。

不想看代码？它以后可能跳出 Colab

除了洗数据，Google 给它的定位其实更宽泛一些。

按照官方的说法，它还能用来查找 API 异常、分析客户画像，或者直接帮你写复杂的 SQL 代码。

更有意思的是它的后续走向。Kathy Korevec 提到，Data Science Agent 未来可能会被整合进 Google 旗下更多面向开发者的产品里。

她表示，团队现在才刚刚触及这种形态的皮毛。既然它是一个独立的 Agent，就完全没必要把害怕看代码的人硬逼到 Colab 这种偏极客的笔记本环境里来。

为什么重要

我们认为，Google 把数据分析 Agent 塞进 Colab，是一次极其精准的“场景卡位”。

对日常要跑数据的开发者和分析师来说，它很值得现在就去试一试。清洗表格和绘制常见图表是典型的高频低智力劳动，如果能在一句话内搞定，能省下大把时间。

但代价也很明确：1GB 的上限和有限的免费算力，注定它目前只能处理样品数据和轻量分析。如果你的业务涉及复杂的私有管道或超大规模数据，它暂时还替代不了你现有的工作流。

在行业层面，这看起来是 Google 拿 Gemini 2.0 争夺开发者心智的关键一步。之前很多类似的代码辅助只停留在行内补全，而这种能自主完成多步骤分析的 Agent，正成为云厂商的新标配。

这种做法聪明在没有让用户跳出熟悉的 Notebook 习惯，但隐患在于，代码初学者如果完全依赖黑盒 Agent 清洗出来的特征，一旦数据在中间步骤被隐蔽地“幻觉”修改，复核起来可能会比自己写代码还要费劲。