自动机器学习 (AutoML) 旨在将机器学习的过程自动化，在降低机器学习使用门槛的同时，提升机器学习的效果。但现有的自动机器学习工具，无法考虑图数据的特殊性，因此无法应用在图机器学习模型中。为了解决该问题，清华大学朱文武教授带领的网络与媒体实验室发布了全球首个开源自动图学习工具包：AutoGL (Auto Graph Learning)。该工具支持在图数据上全自动进行机器学习，并且支持图机器学习中最常见的两个任务：节点分类任务（node classification）与图分类任务（graph classification）。AutoGL 工具包首先使用 AutoGL Dataset 维护图机器学习任务所需数据集。AutoGL Dataset 导入了大规模图表示学习工具包 CogDL 和图神经网络库 PyTorch Geometric (PyG) 中的数据集模块，并添加对 OGB 数据集的支持，同时还添加了一些支持以便集成 auto solver 框架。不同的图机器学习任务可以通过不同的 AutoGL Solver 得到解决。AutoGL Solver 使用四个主要模块自动化解决给定任务，分别是特征工程（Feature Engineering）、图学习模型（Graph Learning Model）、超参数优化（HPO），以及模型自动集成（Auto Ensemble）。每个部分在设计时都引入了对图数据特殊性的考虑。