上传原始数据或加载内置样例，让 Agent 帮你清洗并整理为标准数据集。
拖放数据文件，也可以从样例数据开始。
直接用自然语言让 Agent 帮你检查、清洗数据或构造衍生变量。整理好的数据保存在 context.data/ 目录下：manifest.json 记录变量、坐标轴及图/超图关系，<name>.npy 保存各变量的数组取值
指定因变量与自变量、补充各变量的物理或背景含义，并设置建模目标与公式评测方式。
点击左侧色标切换变量角色（因变量 / 自变量 / 暂不参与），点击描述直接编辑，拖动 ⠿ 可调整顺序
简要说明你的研究背景与建模目标（将自动加入初始提示词，上方已填写的变量说明无需重复）。
核对变量配置与初始提示词，点击右下角按钮启动符号回归搜索
本次探索将使用以下变量配置（如需修改请返回“任务配置”选项卡）。
上传数据并描述你的科学问题。Agent 的思考过程、工具调用与公式探索进展将在这里实时更新。
生成后将作为当前 context.data 加载。
y = 1 + x1**2 + 2*x1*x2
y = x1*exp(-grouped_param(label, name='scale')**2*x2)
dx_dt = 1.15*sin(1.35*t) + 0.42*sin(2.7*t) - 0.24*x - 0.075*x**3
dx_dt = omega + 1.35*sum[j](A[i, j], sin(x[j] - x[i]))/sum[j](A[i, j], 1)