摘要
大语言模型智能体可以自动化数据科学工作流程，但云中心部署会暴露敏感上下文，而仅边缘部署限制了分析能力。我们提出了 FinDS-Agent，这是一个云 - 边缘框架，它将原始记录和程序执行保留在可信边缘，同时提供经策略筛选和净化后的上下文以支持云端规划。FinDS-Agent 整合了三级级联隐私门（TCPG）、多维联合路由器（MJR）、合同引导的 ToolGraph 规划、边缘端验证和有界修复。在三次运行的 222 个 DataSciBench 任务上，FinDS-Agent 达到了 69.93% 的完成率和 57.06% 的成功率，比仅边缘部署提高了 9.50 和 5.71 个百分点，同时在 32.27% 的合格任务运行中调用了云端。在 FinDS-Privacy-Bench 上，TCPG 将敏感字段召回率从 58.20% 提高到 98.10%；在指定的审计和威胁模型下，全集（0/200；Wilson 95% 置信区间：0–1.8845%）或盲测集（0/100；0–3.6993%）中均未观察到负载泄露事件。外部评估显示，在 DS-1000 上，仅边缘、FinDS-Agent 和仅云端的通过率分别为 33.2%、53.1% 和 62.3%。这些实证结果支持选择性云端规划，同时界定统计、隐私和迁移主张。
