核心用法
Disco（Discovery Engine）是一款假设无关的统计发现工具，专为表格数据的深度模式挖掘设计。用户上传数据集后，指定目标变量（需预测的列），Disco 将自动搜索特征交互、子群效应和条件关系——即那些用户不会想到去检验的假设。系统支持深度参数调节（analysis_depth），值越高发现越多隐藏模式。
关键操作流程：
1. 数据上传：支持URL、本地文件（Python SDK最佳）或base64编码
2. 列检查与目标选择：Disco自动解析列类型，用户需指定目标列
3. 排除列设置：必须排除标识符、数据泄露列和循环定义列（如用死亡预测严重程度），否则会得到无意义的同义反复结果
4. 公开/私密分析选择：公开免费但结果公开、深度锁定为2；私密消耗积分但可深度挖掘
5. 成本估算与执行：私密分析前必须调用discovery_estimate确认积分消耗
6. 结果获取：轮询状态直至完成，获取结构化模式结果
显著优点
- 真正的发现能力：超越传统相关性分析，自动识别非线性阈值、多特征交互和条件子群效应
- 严格的统计验证：所有模式均在保留数据上测试，使用FDR校正p值控制多重检验误差
- 文献新颖性评估：每个模式被分类为"新颖"（novel）或"验证性"（confirmatory），并附学术引用说明为何新颖或已知
- 结构化输出：每个模式包含描述、条件定义、p值、效应大小、支持度、方向性和文献引用
- 灵活的接入方式：MCP服务器（零安装）、Python SDK（本地大文件）、REST API（任意语言）
潜在局限与风险
- 成本门槛：私密分析需付费积分（$0.10/积分），深度分析可能昂贵；免费公开版功能受限
- 数据格式限制：仅支持表格数据，不支持图像、原始文本、嵌套JSON；最大5GB
- 黑箱发现风险：虽然统计验证严格，但"新颖"判断依赖文献检索覆盖度，边缘领域可能误判
- 解释依赖LLM：非LLM模式（use_llms=false）下，模式描述通用、新颖性不评估、文本聚类名称为通用名
- 循环定义陷阱：用户若未正确排除同义反复列（如用BMI预测肥胖），会得到统计显著但无价值的"发现"
- 队列等待：分析可能耗时较长，需异步轮询，不适合实时场景
适合人群
- 研究人员：尤其是医学、农业、社会科学等领域，需从现有数据中发现新假设
- 数据科学家：探索性数据分析阶段，希望超越传统EDA的发现边界
- 商业分析师：寻找客户细分、产品交互等非直观业务洞察
- 制药/临床研究者：分析FAERS等不良反应数据，识别药物-事件新关联
常规风险
- 积分消耗失控：深度参数和LLM使用会显著增加成本，未估算即运行可能导致意外扣费
- 隐私泄露：公开分析模式会公开数据集；私密分析虽保护数据，但支付流程涉及Stripe交互
- 结果误读：用户可能将"统计显著"等同于"因果"，需强调这是发现工具非因果推断工具
- API密钥管理：密钥泄露将导致积分被盗用，系统提供无密码OTP登录但仍需妥善保管