当大模型被广泛用于数据分析，“直接给答案”往往比“给对答案”更容易翻车。Netflix 近日开源了用于观察性因果推断（OCI）的智能代理工作流 oci-agent，代码托管于 GitHub（Netflix-Skunkworks/oci-agent）。它并非让智能体直接输出因果结论，而是以“人类增强”的方式，自动化敏感性分析、多次迭代等易错重复任务，把问题构建与结果评估留给人类分析师。这种审慎的设计，恰好击中了因果推断领域最棘手的痛点。
一、行为者—批评者循环
oci-agent 基于 Netflix 既有的 OCI 工具构建，核心是行为者—批评者（actor-critic）循环：执行代理根据人类分析师给定的分析计划，生成规格说明书、填写并执行 Jupyter 笔记本；评审代理审查输出，将其评为 not_satisfactory、satisfactory_with_caveats 或 fully_satisfactory，并提出修改建议。整个流程发布计划、规格、流程图与手册，供人类检查与重跑，使每一步都透明可审计，而不是把结论塞进黑箱。
二、在没有标注数据下评估代理
因果推断的一大挑战是缺乏真实标注数据来验证代理表现。Netflix 的做法是将流程审核与人工监督相结合：用大西洋因果推断会议（ACIC）竞赛数据集评估，发现 oci-agent 与各类基准系统相比“具有竞争力”。在一项新娱乐内容对用户留存率影响的案例研究中，oci-agent 的效应估计仅为简单线性回归基线的 25%，并借评审代理指出早期采用者偏差与安慰剂测试失败等问题，避免了看似合理却误导的结论。
三、透明、可复核的开源工作流
oci-agent 的设计初衷并非让智能体直接输出答案，而是引导其遵循正确步骤，同时留下可供专家验证的执行记录。Netflix 已开源轻量独立版本，希望激发更多“无真实标注数据下评估智能代理”的研究。对需要严谨因果结论的业务与科研团队而言，这种“人类把关+代理执行”的工作流提供了可借鉴的范本。你可以在工具站找到 oci-agent 的详细介绍与接入方式。 Netflix oci-agent。
