Автоматизация задач в области Data Science с помощью больших языковых моделей часто сталкивается с проблемой непрозрачности процессов. Агенты работают в условиях неявных ограничений, что затрудняет воспроизведение результатов и сравнение эффективности разных моделей. Новый инструментарий DS-Lighting предлагает перевести управление задачами в явный вид, разделяя архитектуру агента на четыре ключевых уровня: данные, рабочий процесс, исполнение и оценка. Система позволяет представлять действия агента в виде исполняемых программ-операторов, поддерживающих как жестко заданные пайплайны, так и адаптивный поиск решений. В состав DS-Lighting интегрированы популярные бенчмарки для анализа данных, приведенные к единому формату. Это обеспечивает работу в изолированной среде с общим протоколом метрик, что критически важно для объективного тестирования. Эксперименты показали, что использование явного проектирования «обвязок» значительно снижает количество системных ошибок при выполнении сквозных сценариев. Разработчики отмечают, что такой подход делает работу AI-агентов более предсказуемой и упрощает отладку сложных аналитических цепочек. Исходный код проекта уже доступен для сообщества на GitHub.