Disco 数据模式发现

要解决什么问题

表格数据里往往藏着多变量交互和非线性分段效应，靠肉眼扫列、随手写 pandas 或 SQL 很难系统性地把这些模式挖出来，还容易把 ID、泄漏列或「目标变量的另一种写法」当成发现。本技能规定：分析必须从 Disco 跑起，只汇报引擎真实返回的结果，失败时先帮用户排查格式与列配置。

技能如何工作

Disco 面向 CSV/TSV/Excel/JSON/Parquet 等格式（单文件上限约 5 GB），集成方式有两条：远程 MCP（https://disco.leap-labs.com/mcp，适合 file_url 拉取 URL 数据）与本地 Python SDK（discovery-engine-api，适合任意大小的本地文件直传，无 base64 体积限制）。

对话流程大致是：

• 用 discovery_upload 上传并核对列名、类型与行数
• 选定 target（至少 2 个取值），并通过 excluded_columns 去掉标识符、泄漏列、同义/拆分目标列及可由其它列推导的字段
• 选择 public（免费、深度锁定为 2）或 private（消耗 credits，可调深度与 LLM）
• 私有分析前必须 discovery_estimate 并征得确认，再 discovery_analyze，用 discovery_status 异步轮询
• 结果用 discovery_get_results 呈现：摘要、novel 与 confirmatory 模式（含 description、条件、p_value、效应方向与文献引用）、特征重要性，并附上 report_url

无 API Key 时可走邮箱 OTP 注册/登录（discovery_signup / discovery_login 系列）；免费档含每月有限私有 credits 与不限次 public 分析。

适用边界与注意点

• 数据路径：URL 用 file_url；本地文件优先 Python SDK；file_path 仅在本机运行的 MCP 上有效，托管 MCP 会报路径不存在；file_content 仅适合已在内存中的极小文件。
• 列配置比调参更重要： tautological 列会让「发现」变成同义反复，这一步不能省。
• 深度：默认 depth 2 可作首跑；更深会找更多模式，上限约为列数减 2；免费结果里可能有被 paywall 隐藏的深层模式（看 hidden_deep_count 等提示）。