DataFlow-Harness

北京大学 DCAI 团队（联合上海算法创新研究院、北京中关村学院）开源的 Code Agent 数据工程 Harness，通过 DataFlow-Skills + MCP + 可视化 DAG 三层脚手架为 Code Agent 注入隐性流程经验。论文登 Hugging Face Papers 日榜 #2（huggingface.co/papers/2607.16617）；开源仓库 github.com/OpenDCAI/DataFlow-WebUI 与 github.com/OpenDCAI/DataFlow。

实测（12 个数据工程任务，团队自述·未审计）

• 四配置对比：Vanilla CC（0.950/190.7s/91.7%）、Context-Aware CC（94.2%）、MCP-only、DataFlow-Harness（0.261/95.5s/93.3%）。
• 相比 Vanilla Claude Code：成本 −72.5%、延迟 −49.9%、通过率 +1.6 pp；总 Token 比 MCP-only 再降 25.5%。
• Textbook-to-VQA 复杂抽取：Precision 97.2%、Coverage 87.3%；相比 Vanilla CC 正确率 +35 pp、覆盖率 +34 pp。

设计

• 三层脚手架：DataFlow-Skills 注入”先 A 再 B 最后 C”流程经验；MCP 暴露平台实时操作符注册表；DataFlow-WebUI 对话+画布双模态、同 Pipeline 状态双向同步。
• 消融：DataFlow-Skills 在复杂/开放/依赖隐性知识任务上效果最明显；模型自身能力不足导致的错误上无能为力——“Skills 解决工作流构建，不解决通用推理”。

关联

主导人梁昊（北大大数据科学研究中心博士、元枢智汇联合创始人；DataFlow 项目曾获 ICML SeePhy 竞赛冠军、智源 LIC 挑战赛冠军；完成 Camel 17k★ 与 LLaMAFactory 73k★ 数据模块）。首次系统化提出”NL2Pipeline gap”概念。

⚠️ 通过率 93.3% 与最强基线 Context-Aware CC（94.2%）“几乎持平”，文案倾向性表述需读者留意。