该论文提出了 Guixu，一个面向自主 AI 代理的、以数据价值评估驱动的数据发现系统。当前自主代理在执行模型训练、决策支持等下游任务时，高度依赖外部数据，但现有数据发现系统大多停留在检索层面：它们只能从异构数据源中返回候选数据集，却无法有效估计数据对具体任务的效用、在预算约束下选择性价比最高的数据组合，也无法利用先前使用中的可信反馈。Guixu 针对这些问题设计了三条核心机制：第一，采用三阶段数据价值评估流水线，结合代理标签传播和多轮背包优化算法，实现任务感知的数据估值；第二，集成代理支付协议，支持预算受限的数据采购流程；第三，利用链上数据市场和认证信号，提供可验证的数据发现。论文通过演示展示了 Guixu 如何使代理超越基于关键词的数据集检索，转向任务感知、预算感知且可信的数据发现与采购。参会者可以交互式地探索从自然语言任务描述、多源搜索、数据价值评估到可验证交易反馈的完整工作流。该研究的主要贡献在于将数据估值、预算优化和链上认证引入代理的数据获取过程，填补了现有系统在任务效用评估和可信反馈利用方面的空白。适合关注 AI 代理数据供应链、数据市场设计、链上认证机制以及数据估值算法的研究人员、系统设计者和安全分析师阅读。