微软推出的RD-Agent，通过自动化研发（R&D）流程中的关键任务，提升工业生产力与创新效率，尤其适用于数据驱动场景。
RD-Agent 架构
RD-Agent通过两大模块实现闭环研发：
研究模块（Research） 提出新想法和假设，持续学习、并知识构建 例如：自动阅读研究论文或金融报告，提取关键信息并生成假设。 例如：在数据挖掘研发过程中，提出一个假设（例如，像 RNN 这样的模型结构可以捕获时间序列数据中的模式），设计实验（例如，金融数据包含时间序列，可以在这种情况下验证假设），将实验实现为代码（例如 Pytorch 模型结构），然后执行代码以获得反馈（例如 指标、损失曲线等）。 专家从反馈中学习，并在下一次迭代中改进。
开发模块（Development） 将想法或者假设转化为代码并实施 例如：自动化模型调优、特征工程、因子回测等