先把数据读对，才能把计算做对

Pize 是一款面向科学计算与统计分析的 AI 编程助手。它可在 Pize Code 和 Positron 中运行，也以 SDK 形式提供。

大多数编程代理着重于编写更多代码。但统计与科研中的错误通常发生得更早：一旦数据读取有误，之后的每项检验、模型和推断都会悄然继承这个错误。Pize 将重点放在这一环——先让模型准确了解数据的形状、类型和缺失情况，再在你已经使用的 R / Python 会话中编写并运行代码、查看图表和修正结果。

它也是一个完整的编程代理：支持跨文件编辑、终端操作、规划与执行、项目规则、多种模型选择，并可通过 MCP 连接实验室或内部系统中已有的工具。可在 Pize Code、Positron、CLI 中使用，或通过 SDK 嵌入你自己的程序。

• 它是什么。 针对数学计算与统计分析优化的编程代理。数据读取、计算和检验均在当前运行的会话中完成，结果可以复算。
• 它不是什么。 它不是通用代码补全工具的换皮，也不是代替 Cursor 去做各类通用编程的产品。重点不在代码补全，而在正确读取数据并准确完成计算。
• 它在哪里运行。 Pize Code、Positron、CLI 和 SDK。
• 模型会获得什么。 数据结构、类型、缺失情况和摘要，而不是将整张表塞入上下文。原始观测数据保留在会话中。

同一套编程代理可以读取文件、编写代码、运行命令并操控浏览器。每次写入和命令都需你的批准。可在 Pize Code、Positron、CLI 和 SDK 中使用。

当前可用入口

• Pize Code. 编辑器中的侧边栏插件，支持跨文件编辑、终端、计划与执行，以及可审阅的 diff。
• Positron. 同一套代理，并可桥接到你当前聚焦的 R 或 Python 会话。
• SDK. 把同一套代理嵌入你已在运行的程序，并可通过 CLI 使用。

模型用量如何付费

自助使用采用预付积分。1 积分等于 1 美分。在定价页购买积分包，由 Stripe 收款。企业条款需联系商议。

企业

实验室和定制条款没有公开价格，需联系商议。

它同时是一个完整的编程代理

数据读取与会话桥接是 Pize 增加的一层能力。接下来列出的是它同时具备的完整编程代理能力——缺少这些能力，统计工作闭环同样无法运转。

SDK（Software Development Kit，软件开发工具包）将 API、类型声明和示例封装在一起，让其他程序可以直接调用相应能力，而不必重新实现一遍。

没有 SDK 时，每项集成都可能自行编写 HTTP 调用并猜测字段含义。有了 SDK，调用方可以获得稳定的函数名、类型，以及能够实际运行的示例。将模型嵌入实验室采集软件或内部分析平台，依靠的就是这一层。

• 它提供什么。 可调用的接口、类型，以及能够运行的最小示例。调用方不必重新实现数据读取和会话连接。
• 它不提供什么。 它不会取代你的产品界面，也不会替模型选择统计方法。所用方法仍由模型提出并经你确认。
• 它与插件的区别。 插件在编辑器中打开。SDK 则将同一代理嵌入你已经使用的程序，无需再打开一个侧边栏。

MCP（Model Context Protocol，模型上下文协议）是一种开放协议：它让模型在运行时连接外部工具、数据和提示，无需为每个数据源分别开发专用连接。

模型本身只负责推理；它无法直接查看你的数据库，也无法操作仪器软件中的参数。MCP 定义了三类对象：工具（可调用的操作）、资源（可读取的数据）和提示（可复用的指令）。任何实现这套约定的系统，模型都能以同一种方式使用。

• 它解决什么问题。 模型与外部系统无需再各自开发专用连接。数据库、知识库和内部网关都可以通过同一协议访问。
• 它不是什么。 它不是模型，也不是 SDK。它不决定如何将代理嵌入你的程序，只规定运行中的代理如何连接外部能力。
• 在 Pize 中。 Pize 作为客户端连接其他 MCP 服务器。安全边界仍由你审批：默认只读，执行操作前需获得你的确认。

要让 AI 系统在科研中得出正确结果，缺少的往往不是“更大的模型”，而是模型能否看到真实数据、操作真实工具，并融入你已经使用的软件。

Pize 将这三层明确分开，同时让它们协同工作。模型选择方法并编写代码；SDK 将代理嵌入你的工具；MCP 让代理在运行时连接软件库、仪器软件和内部系统。数据读取始终在最前面：如果读取有误，后两层只会让错误传播得更远。

统计计算的错误很少以报错的形式出现。分隔符判错，列会整体错位；首行被当成表头，第一条观测就凭空消失；NA、NULL 被当成 0，均值与方差立刻偏移；数值列被判成字符，回归模型转头把它当因子处理。这些都不会中断程序，只会安静地给你一个看起来很合理的错数字——而错误发生在读取阶段，后面所有的检验、建模与推断都继承了它。

所以 Pize 的优化重点不是让模型写出更多代码，而是先让它确切知道数据的形状、每列的类型、缺失值数量和大致行数，再编写计算与建模代码，并在你的真实会话中运行，让你看到结果。

格式识别依据文件内容，而不是文件扩展名——研究数据中的 .txt 常常装着表格，.csv 却可能只有三行配置。下面每一项判定都会直接影响后续计算结果。

• 分隔符判定。 在制表符、逗号、分号和管道符（|）中选择一种；各行的列数必须稳定，字段也必须像真正的单元格，以免把每句都含逗号的散文误判为两列表。
• 表头还是数据。 若首行在数值列的位置上仍然是数字，就判定它是观测而不是列名——把第一条观测吃成表头，是样本量凭空少一的经典来源。
• 缺失值不参与类型推断。 空串、NA、NaN、NULL 被单独识别；否则一整列空值会被判成数值列，诱使模型对不存在的数做统计。
• 逐列类型推断。 数值 / 文本 / 空列逐列标注，这一步直接决定某列能不能进均值、方差与回归。
• 注释与元数据剥离。 以 #、! 或 @XX 开头的前导块先行剥离；VCF 把列名藏在最后一行注释里，也会被恢复，那些列因此有名字可用。
• 压缩表格透明读取。 .gz 自动解压，体积按解压后的长度判断——1 MB 的压缩包里可能是 20 MB 的表。
• 行数估算。 按已读前缀的字节比例估算总行数，并明确标注这是估算值，不会被当成事实报出去。
• 超限文件给数据卡，而不是报错。 超出上下文预算时返回体积、分隔符、估算行数、列名及其推断类型与开头两行，模型据此写出正确的读取代码，上下文不会被一张百万行的表吃光。

读对之后才是算。Pize 不替你发明统计方法，它保证模型面对的是你真实的数据，并且每一步的结果你都看得见。

• 基于真实分布选方法。 模型能拿到行数、列数、列类型、每列缺失计数与摘要统计，据此判断用参数还是非参数方法、要不要变换、缺失如何处理。
• 写完就跑。 生成的 R 或 Python 代码在你确认后于当前会话执行，返回的是真实输出，而不是模型对结果的想象。
• 看图诊断。 可取回最近一张图形——QQ 图、残差图、分布图这类只能靠看的诊断，模型也能参与判断。
• 迭代闭环。 执行、读结果、修正，都在同一个会话里完成，中间变量不会因为换个进程而丢失。
• 只给聚合，不给原始行。 表摘要返回结构与统计量，原始观测始终留在会话里。

分析的真相不在文件里，而在内存里。桥接层通过 Positron 公开的扩展 API 读取你当前聚焦的 R 或 Python 会话，它从不创建或切换运行时，只使用你已经在用的那个。

• 用生成语料做防回归测试。 针对 31 类文件形态生成带标注样本，每批一万条送入检测器：首轮有 458 条失败，暴露出四类缺陷，随后逐一修复。随机种子固定，因此可用同一批输入验证已修复的问题不会再次出现。
• 接线处有绊线测试。 与上游代码的每个接点都有测试。若合并时漏掉一行接线，测试会立即失败，而不会让功能静默失效却仍显示全部通过。
• 每次合并跑完整清单。 上千个单元测试、两套类型检查、全仓 lint，打包后还要拆开产物核对功能确实在里面。
• 一键自检。 命令面板里的桥接检查会真的读一次会话，通过即证明工具拿到了真实数据。
• 与官方版共存。 使用独立扩展标识发布，可与上游插件同时安装、互不覆盖。

架构上还有一条贯穿始终的规则：新行为一律写进新文件，只在必要的调用点改动上游文件。因此，一次涵盖十个上游提交的合并，冲突也可能只落在一行上——它可以长期跟进上游，而不是发布一次便停滞不前。