Leeroo开源Kapso：企业数据工程改为实验循环，经验库用git共享
核心概要
Leeroo开源了Kapso，一个面向企业数据工作的实验引擎：给定目标和成功标准，它在沙箱里反复提出假设、运行实验，并把结果写回一个带可信度分数和适用条件的经验库。经验库基于git，可在团队间共享和更新；系统不绑定具体模型或编码智能体，部署时会在目标技术栈上跑一轮更短的实验循环来适配最佳方案。
深度剖析
企业数据工作被组织成一个可重复的实验循环：系统围绕一个目标提出假设、在沙箱中运行实验，并从每次运行中积累经验。 此前的做法是顾问在会议中收集上下文，或团队预先定义业务本体再去套数据，来源称这类做法在季度内、有时是数年内都没有执行的可能。 Leeroo描述的一个企业项目是把公司从旧数据平台迁移到lakehouse，涉及30多个源系统族、数千张表和转换、数百份BI报表，没有任何个人或AI智能体能预先知道这些数据如何连接和运作。
每次新实验前，一个构思模块参考已有经验提出候选想法，按预期回报相对预算重新排序，再把排名靠前的交给实现模块。 经验库中的每条经验带有可信度分数、适用条件和支撑证据，因此提出的想法比通用大模型或检索增强生成的假设更贴合当前环境。 实验结果由一个任何实验都无法访问、因而无法作弊的验证模块核验；每次运行后learn()用该次证据更新经验库的分数和边界，经验库的改动还可以用前后两版经验库跑相同构建做A/B测试。
启示与展望
已展示的范围是企业数据环境中的迭代实验与部署流程，包括一个涉及30多个源系统族、数千张表和数百份BI报表的迁移项目，以及面向Docker、Modal、BentoCloud、LangGraph等目标栈的部署适配；读者对象是构建企业数据系统与流水线的工程师。
来源以项目叙述和系统说明为主，没有报告实验数量、成功率或与基线的对比；经验库在跨环境迁移时是否仍然适用，来源未给出结论。