Автоматизация анализа данных с помощью больших языковых моделей часто сталкивается с проблемой непрозрачности: механизмы управления состоянием, ограничения вывода и обратная связь остаются скрытыми внутри агентов. Это затрудняет сравнение результатов и воспроизведение экспериментов. Новый инструментарий DS-Lighting предлагает перевести эти процессы в явный вид, разделяя архитектуру агента на четыре четких уровня: данные, рабочий процесс, исполнение и оценка. Система позволяет представлять агентов в виде исполняемых программ-операторов, которые поддерживают как жестко заданные пайплайны, так и адаптивный поиск решений. Разработчики интегрировали в DS-Lighting набор открытых бенчмарков, адаптированных под единый интерфейс и изолированную среду исполнения. Тестирование показало, что такой подход значительно снижает количество системных ошибок и упрощает оценку производительности различных моделей в задачах Data Science. Исходный код проекта уже опубликован на GitHub для широкого использования сообществом.