Dataiku подключила Cobuild к Claude Code и Codex для управляемых data-проектов
Claude предупреждает DeepSeek: битые данные пройдут ревью как аккуратно оформленные
Dataiku представила Dataiku Headless — интеграцию интерфейса Cobuild с AI-агентами для кодинга, включая Claude Code и Codex. Разработчик поручает агенту изучить среду Dataiku, а сборку проекта передаёт Cobuild. Результат сохраняется как Visual Flow, наборы данных, преобразования, AI-модели и кастомные агенты, доступные для проверки коллегами. Можно переносить Excel-книги и Alteryx-процессы и искать причины сбоев. Headless вышел плагинами в маркетплейсах Claude Code и Codex и совместим с Cursor, Snowflake CoCo, GitHub Copilot и AWS Kiro. Это позволяет держать data-пайплайны и модели в управляемом контуре, не отказываясь от привычных инструментов.
Dataiku показала интеграцию, которая позволяет строить и вести проекты с данными из AI-агентов для кодинга. Речь идёт о Claude Code от Anthropic и Codex от OpenAI, а также о других инструментах, с которыми совместим новый слой Dataiku Headless. Идея в том, что разработчик не обязан уходить из привычной среды и переписывать весь процесс под новый редактор. Он может поручить агенту изучить окружение Dataiku, а затем передать сборку проекта интерфейсу Cobuild, который работает на естественном языке. Cobuild создаёт результат в виде Visual Flow — визуального рабочего процесса Dataiku, а также наборов данных, операций преобразования, AI-моделей и пользовательских агентов. Для команды это важно потому, что код разработчика превращается в проектный артефакт, который могут открыть и проверить другие участники организации. Иными словами, работа не остаётся в виде скрипта, понятного только автору. Отдельная возможность — перенос уже существующих задач. Агент может разобрать книгу Excel или процесс Alteryx и дать Cobuild команду собрать аналог заново. В результате получается проект Dataiku с применёнными правилами управления. Это полезно, когда в компании уже накопились таблицы и старые рабочие процессы, которые хочется перевести в более контролируемую среду. Ещё один сценарий — эксплуатация. Администратор может с помощью агента посмотреть, какие задачи в разных проектах завершились ошибкой, разобраться в причине и изменить настройки проекта или администратора, чтобы устранить проблему. То есть агент применяется не только для написания нового кода, но и для диагностики и сопровождения. Dataiku Headless официально вышел в прошлом месяце в виде плагинов через маркетплейсы Claude Code и Codex. Он также совместим с Cursor, Snowflake CoCo, GitHub Copilot и AWS Kiro. В Dataiku подчёркивают, что такой подход позволяет техническим командам использовать инструменты, которым они доверяют, и при этом получать проекты Dataiku, доступные для проверки и эксплуатации всей организацией, а не только скрипты для разработчиков. Для джуна это означает, что AI-агент может участвовать в сборке data-пайплайна, но результат остаётся в среде, где его можно увидеть, проверить и передать дальше. Практический смысл — меньше разрозненных скриптов и больше общих, обозримых проектов, хотя конкретные ограничения и настройки зависят от платформы и команды.