微软RD-Agent一个月实测：自动化R&D工作流

RD-Agent 是微软开源的框架，用 LLM Agent 实现 R&D 工作流自动化。我用它驱动 saas.pet 工具分析的数据实验，持续了一个月，以下是关于 propose-execute-feedback 循环的真实使用体验：它在哪类事情上实现了自动化，为什么它不是一键研究的魔法按钮。

RD-Agent 是我见过的最接近「真正能干活的研究助手」的东西，而不是只会聊天。它是微软的框架，用来自动化 R&D：你给它一个研究目标，它会提出方法、执行实验、读取结果、迭代改进。我用它做 saas.pet 的数据分析工作，比如探索工具数据库中的规律，或测试某个新的分类规则是否能提升搜索质量。propose-execute-feedback 循环是真实存在的：它曾一夜跑完 40 轮实验迭代，然后带回一个可以直接用的结果。说实话需要注意的地方：它面向数据科学和 ML 工作流设计，不是一般的软件开发，而且需要在定义良好的环境中运行实验。它也比较重量级，严肃运行建议用 Docker 和 GPU。对于需要反复做数据实验的人来说，它确实有用；对于一般编程任务，还是用编程 Agent 吧。

RD-Agent 到底是什么

RD-Agent 是微软研究院开源的框架，用 LLM Agent 自动化研发工作流。它围绕 propose-execute-feedback 循环构建：Agent 提出假设或方法、在环境中执行、读取结果的反馈、并迭代改进。它面向数据科学和 ML 研究工作流，涵盖特征工程、模型选择、实验运行、报告生成等环节。截至 2026 年 8 月，该仓库有 14,326 颗星，MIT 许可证，虽然最新标记版本是 2025 年 11 月的 v0.8.0，但代码库有 2026 年 8 月的提交记录，说明仍在活跃开发中。该项目自称要解决的核心问题是：LLM 如何提升工业 R&D 效率，其设计也反映了这一点——这是一个严肃的研究工具，不是聊天机器人的包装。

为什么我要试它：saas.pet 的数据实验

saas.pet 维护着一个 AI 工具数据库，包含分类、评分和使用数据。我经常遇到一些重复性的问题：哪些分类特征能预测高参与度，新的标签规则能否提升搜索相关性，评论长度和评分之间有什么规律。以前每个问题都意味着要写脚本、运行、看输出、调整、再重复。RD-Agent 承诺正好自动化这个循环，于是我在 Docker 中搭建了它，用一份工具数据副本构建了一个小型实验环境。第一次运行是一个分类实验：我让它测试添加一个 domain 字段是否能提升搜索结果相关性，它提出了评估指标、运行了实验、测量了基线、尝试了变体，最后带回了一张对比表。第一天它不是完美研究助手，但循环是真的，输出是可用的。

propose-execute-feedback 循环的实践

核心机制是一个循环：propose、execute、feedback、iterate。在实践中，这意味着 RD-Agent 不是简单回答一个问题，而是运行真实的实验。在我的分类测试中，它提出了衡量相关性的指标、写好了评估脚本、对数据执行、读取结果、发现新字段对某些分类有帮助但对另一些有害，然后迭代改进方法。最令人印象深刻的一次运行是一个通宵实验：它执行了 40 轮特征选择任务的迭代，最后给我留了一份关于什么有效、什么无效的总结。反馈机制是它区别于直接问 LLM 的关键：Agent 看到的是真实执行结果，而不是猜测。它还会生成报告和跟踪实验记录，所以你能看到尝试过的历史。对于工作涉及反复数据实验的人来说，这个循环就是产品本身。

它擅长什么、不擅长什么

RD-Agent 最强的地方是结构化数据科学工作流：特征工程、模型评估、实验对比、报告生成。它包揽了研究中枯燥的部分——运行实验和总结结果，而且做得很好。它不是通用软件开发 Agent：它不会构建 Web 应用或修复生产 Bug，那是 Cline 或 OpenHands 这类编程 Agent 的活。它也不是领域专家的替代品，你仍然需要定义研究问题并验证结果。最佳使用场景是：你有一个会手动运行的数据实验，RD-Agent 替你跑并迭代，你去做别的事。预期管理也很重要：它需要定义良好的环境，Docker 是推荐路径，严肃的 ML 运行有 GPU 会更好。在纯 CPU 机器上，小实验可以跑，大模型训练不行。

与 OpenHands、Cline 和普通笔记本的对比

与 OpenHands 和 Cline 这类编程 Agent 相比，RD-Agent 是不同类别：那些是为软件工程任务设计的，在代码库中写代码和修 Bug，而 RD-Agent 是为研究工作流设计的，提出和运行实验。用 RD-Agent 写一个 Web 功能会很别扭，用 Cline 跑一个 40 轮的特征选择研究同样别扭。和普通 Jupyter 笔记本对比，差异在于自动化：笔记本是手动循环——写、运行、读、调整，而 RD-Agent 自动关闭了这个循环。对于像我这样的独立操作者，时间节省来自循环无人值守地运行，尤其是通宵跑的那种。务实的结论是 RD-Agent 是技术栈中的一个工具，不是整个技术栈：它处理实验循环，软件工作仍然需要编程 Agent。

定价和搭建成本

RD-Agent 采用 MIT 许可证，免费使用。搭建成本是真实存在的：它运行在 Docker 中，需要 Python 依赖，推荐路径还包括相当多的实验环境配置工作。我花了一个下午才完成第一次端到端运行，包括 Docker 搭建和让它指向数据。模型成本取决于你接入什么：它支持 OpenAI 兼容的 API，所以可以用 DeepSeek，成本很低，我的通宵 40 轮迭代运行花不到一美元。它也支持本地模型，如果你想让实验数据留在本地，这很重要。资源成本是更大的考量因素：严肃的 ML 实验需要 GPU，纯 CPU 运行仅限于小数据集和简单模型。对于数据规模的工作，要把计算成本和模型成本一起考虑。

局限性和最终结论

坦诚的局限性。第一，它很专业：只面向数据科学和 ML 研究工作流，一般开发不在范围内。第二，环境搭建比较重：Docker、依赖、一个定义良好的实验空间，学习曲线比聊天机器人或笔记本陡峭。第三，发版节奏有点奇怪：最新 tag 是 2025 年 11 月的，但提交仍在继续，这会让版本锁定产生困惑。第四，结果取决于你的研究问题定义得是否清晰，垃圾问题产生垃圾实验。谁应该跳过 RD-Agent：工作属于软件开发而非数据实验的人，以及不愿意投入搭建工作的人。对于做重复实验的数据从业者，我给 4 分（满分 5 分），循环确实有用，通宵自动化是杀手级功能。它不会替代你的判断，但它会趁你睡觉时跑实验。

真正的 propose-execute-feedback 循环，不只是聊天

无人值守运行实验，通宵自动化有效

覆盖特征工程、模型选择、报告生成

MIT 许可证，微软支持，活跃开发中

OpenAI 兼容模型支持，用 DeepSeek 成本低

跟踪实验历史并生成报告

专为数据科学和 ML 设计，不是一般开发

搭建工作重：Docker、依赖、需要定义良好的环境

严肃 ML 运行建议配 GPU

最新 tag 较旧（v0.8.0，2025 年 11 月）但提交仍然活跃

结果取决于研究问题的定义质量

Originally published on https://saas.pet/reviews/rd-agent-review