DataFlow-Harness：用于构建可编辑LLM数据管道的接地代码代理平台

大型语言模型（LLM）正越来越多地被用于自动化数据处理工作流，但编码代理（coding agent）通常生成的脚本无法自动物化为持久化、可编辑的平台制品。我们将这一脱节称为"NL2Pipeline鸿沟"。为弥合这一差距，我们提出了DataFlow-Harness平台，该平台引导LLM代理通过类型化、增量式的变更操作来构建平台原生的有向无环图（DAG），而非生成自由格式的脚本。平台结合了提供过程性指导的DataFlow-Skills、暴露实时算子注册表和当前流水线状态的模型上下文协议（MCP）层，以及将对话式创作与可视化DAG编辑器同步的DataFlow-WebUI。在包含12个任务的数据工程基准测试中，DataFlow-Harness实现了93.3%的端到端通过率。与Vanilla Claude Code相比，其测量货币成本降低了72.5%，生成延迟降低了49.9%；其通过率与Context-Aware Claude Code基线相差仅0.9个百分点，而成本则低42.8%。逐任务分析表明，当构建过程依赖隐式过程性知识时，Skills的效用最为显著。这些结果表明，实时平台锚定能够生成持久化、可编辑的工作流制品，其观测可靠性接近脚本生成基线，同时具有更低的测量构建成本和延迟。