数据集与清洗
本地上传或 URL 导入，清洗流程可重复执行，输出就绪数据集供训练选用。
Capabilities
为整条训练链路而设计
从数据进入系统到报告产出，每一步都可查看状态、日志与结果——既适合日常实验，也适合对外展示产品完成度。
训练任务管理
在经典工作台查看进度、日志与生命周期操作，沉淀可供 Agent 策划引用的任务与模型状态。
评估与报告
指标与 HTML 报告可预览与下载，失败时保留原因字段便于排错。
Agent 智能画布
任务理解、数据准备与一键流水线；由 MCP 协调多 Agent 自动策划与执行，步骤可视化。
一键流水线 2.0
Coordinator 异步编排清洗、训练与评估，实例状态持久化，可刷新恢复进度。
双版本同一数据层
经典操作面与 Agent 编排共享 PostgreSQL / Redis；经典侧数据可作为 Agent 经 MCP 消费的上下文来源。
Flow
产品逻辑：从数据到报告
下面这条主链路与上方「能力」模块、下方截图编号一一对应；经典工作台沉淀数据与任务，Agent 一键流水线在同一数据层上由 MCP 驱动编排。
1
2
3
4
Agent 路径（一键流水线）：在画布中确认目标与数据后触发编排，可视化步骤与 Data Agent
规划见 图 5、图 6；后端由 Coordinator 异步推进，状态写入
pipeline_instances，刷新页面仍可恢复进度。
MCP 编排（系统视角）
后端 Coordinator 通过 MCP 协议调度 Data / Training / Evaluation 等能力：按「清洗 → 训练 → 评估」顺序推进，并把当前步骤、关联任务 ID、错误信息持久化，便于观测与排错。
Coordinator
编排步骤、驱动状态机、写入流水线实例。
Data Agent
数据准备与清洗相关工具与策略。
Training Agent
触发训练任务并对接 Python 训练脚本。
Evaluation Agent
评估指标与报告生成。
经典数据面 · Agent MCP 编排
经典工作台（数据与操作面）
按菜单维护数据集与训练/评估任务，状态写入同一数据库；可作为 Agent 侧经 MCP 衔接的数据来源（外部 MCP Server 可后续接入）。
Agent 画布（MCP 策划与执行）
向导式步骤与一键流水线，由 Coordinator 经 MCP 消息编排多 Agent，自动串联清洗、训练与评估；读写与经典版同一批表。
两套 UI 共用 PostgreSQL 与 Redis：切换入口不会丢失已产生的数据集、模型与评估记录。
Product tour
六张截图，完整走一遍产品
下列截图与上方「流程」编号对齐；主视觉与图 1 同为工作台总览。替换
docs/images/ 下同名 PNG 即可更新整站。
图 1 · 工作台 / 最近动态
对应流程：① 总览与入口
图 2 · 数据集与清洗
对应流程：② 数据接入与清洗
图 3 · 训练任务
对应流程：③ 训练执行
图 4 · 评估与报告
对应流程：④ 评估与报告
图 5 · Agent 画布
对应流程：Agent 一键流水线 · 步骤与编排
图 6 · Data Agent 规划
对应流程：Agent 路径 · 数据侧规划选项
维护与命名
将 PNG 放入仓库
docs/images/ 并保持下列文件名即可更新本站展示，无需修改 HTML：01-workflow.png、02-datasets.png、03-training-jobs.png、
04-evaluation.png、05-agent-canvas.png、06-data-agent-plan.png。
Stack
成熟技术栈，易于部署与扩展
Go 负责编排与 API，React 负责交互，Python 侧承载训练脚本与模型生态。
Go · Gin
React · TypeScript
Ant Design
PostgreSQL
Redis
Python · PyTorch
Transformers