数据与机器学习
构建可执行的分析或建模项目，并检查支撑其结果的证据。
明确问题和数据
描述数据集、你想要的结果以及要使用的交付物。例如：“基于此 CSV 预测订单是否会被退货。将模型与简单基线进行比较，并解释最强的预测因素。”明确目标列和任何标识列。
提供可用的数据集
提供数据或受支持的数据源，并说明各列含义、缺失值情况以及相关日期。该工作流支持数据集准备，也可选用外部数据集或模型来源。使用外部服务和 GPU 执行需要相应的可用连接和运行环境。
确定评估方式
选择符合问题需求的评估指标。有监督项目可以在训练前预留一部分独立的留出数据；平台会使用该评估数据来检验预测效果。报告应区分训练结果与独立评估结果，并说明与基线的比较情况。
查看报告和产出物
生成的项目包含可执行的工作内容和报告预览。根据需求说明，输出可能包括训练与预测代码、已保存的模型、预测结果和评估报告。请检查实际生成的文件以及复现结果所需的命令。
处理运行失败的情况
在请求修复前先阅读报告中的问题描述。缺失目标列、列类型不合适、依赖不可用或运行时间耗尽都可能导致无法得到有效结果。修正数据或需求说明后重新运行，并查看新的报告；仅有图表并不能证明训练成功。
完善并复用
在同一构建对话中请求增加特征、比较模型或提供解释。若需在自己的环境中继续，可下载生成的项目。请将数据假设和评估设置与结果一并保留。
了解适用范围
数据项目与自定义 AI 智能体或内置 智能体团队 是不同类型的输出。专门的量化交易策略工作流仍在规划中；本指南未将其列为当前可用的构建类型。