【AI Agent系列】【论文学习】CodeAct - 代码使LLM Agent更强大高效灵活

最新推荐文章于 2025-06-09 23:54:15 发布
最新推荐文章于 2025-06-09 23:54:15 发布
阅读量459 收藏
点赞数
分类专栏： 大模型 文章标签： 人工智能 学习 笔记 AIGC gpt AI编程 agi
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/Attitude93/article/details/141366817
版权

大家好，我是 同学小张，+v: jasper_8017 一起交流，持续学习C++进阶、OpenGL、WebGL知识和AI大模型应用实战案例，持续分享，欢迎大家点赞+关注，共同学习和进步。

目前在AI Agent应用的开发中，一般是利用大模型思考接下来应该干什么，应该使用什么工具。思考的结果一般是通过json的形式，或text的形式给出。当工具过多，或者任务较复杂时，思考步骤会非常多，对前面步骤结果的记忆能力也非常有考验，灵活性也较差。

本文我们一起来看一篇论文，这篇论文提出让大模型根据任务生成可执行代码来将所有工具的调用统一到一个环境中，与Python解释器集成，自动执行代码动作，并在多轮交互中根据新观察动态修改先前动作或发出新动作，大大提升 Agent 与环境之间的交互能力和灵活性。

论文原文：https://arxiv.org/pdf/2402.01030

文章目录

<
了解本专栏 订阅专栏 解锁全文 超级会员免费看
【AI Agent系列】【源码实战】CodeAct - 使用AgentScope完整实现 - 代码使LLM Agent更强大高效灵活
同学小张的博客
09-12 690
CodeAct 让大模型根据任务生成可执行代码来将所有工具的调用统一到一个环境中，与Python解释器集成，自动执行代码动作，并在多轮交互中根据新观察动态修改先前动作或发出新动作，大大提升 Agent 与环境之间的交互能力和灵活性。本文我们来使用AgentScope框架来完整实现一遍，从而对CodeAct有一个更具体和深入的认识。
agenthub\codeact_agent\codeact_agent.py
数字人生
07-22 1244
_get_messages(self, state: State) -> list[dict[str, str]]: 根据当前状态构建消息列表，发送给LLM模型，提示它执行下一步操作。CodeActAgent 作为一个简化的执行代码操作的智能代理系统，通过整合多种插件和工具，提供了强大的任务执行能力。- get_system_message(): 获取系统消息，包含一些环境配置说明和插件系统的帮助信息。- get_action_message(action: Action): 将操作转换为消息字典。
基于LlamaIndex实现CodeAct Agent：代码执行工作流的技术架构与原理
deephub
04-08 4256
本文详细阐述了基于LlamaIndex构建CodeAct Agent的完整技术方案，从代码执行环境的构建、工作流事件的定义到完整Agent的实现。通过将代码生成与执行能力无缝集成到对话式AI系统中，CodeAct Agent代表了一种新型交互范式，能够将自然语言指令转化为可执行的计算逻辑。这一技术架构的核心价值在于其可扩展性和灵活性。开发者可以根据特定应用场景定制执行环境、函数库和安全策略，从而构建出专用的智能工具。专业领域软件开发辅助工具数据科学探索与可视化系统教育领域的编程学习平台。
用基于Qwen-2.5-7B的Code Agent打造本地、开源的Multi-Agent RAG系统
2401_85325557的博客
03-11 874
LLM 在语言生成、复杂任务理解等方面展现了强大的能力，特别是在需要生成纯文本输出的场景（如聊天机器人、文本摘要）中，表现尤为出色。然而，当需要超出“纸上谈兵”的实际应用时，这些模型依赖于外部用户执行建议的操作并反馈结果。
人工智能 - 通用 AI Agent 之 LangManus、Manus、OpenManus 和 OWL 技术选型
03-22 1903
通用 AI Agent 之 LangManus、Manus、OpenManus 和 OWL 技术选型
关于Agent的思考-2025年
2501_90882789的博客
05-16 832
什么是Agent？ 我们团队在做购物垂类的Agent，只不过对外没有宣称我们是个Agent。然后产品某天跟我说，Agent这么热，我们要不要做？ 我就震惊了，我们搞的不就是Agent么？那你觉得什么是Agent？
CodeActAgent ：Executable Code Actions Elicit Better LLM Agents解读
jiayoudangdang的博客
10-14 1300
大型语言模型（LLM）代理，能够执行广泛的操作，例如调用工具和控制机器人，在解决现实世界的挑战方面显示出巨大的潜力。通常，LLM代理通过生成JSON或预定义格式的文本来产生行为，这通常受限于有限的操作空间（例如，预定义工具的范围）和有限的灵活性（例如，无法组合多个工具）。本研究提出使用可执行的Python代码将LLM代理的操作整合到一个统一的操作空间（CodeAct）。通过集成Python解释器，CodeAct可以执行代码操作，并通过多轮交互根据新的观察结果动态调整先前的操作或发出新的操作。
Manus背后的引擎：CodeAct让大语言模型成为更好的Agent
Python_cocola的博客
04-17 782
大型语言模型 (LLM) 代理能够执行广泛的操作，例如调用工具和控制机器人，在应对现实世界的挑战方面表现出巨大的潜力。LLM 代理通常通过生成 JSON 或预定义格式的文本来提示执行操作，这通常受到受限的操作空间（例如，预定义工具的范围）和受限的灵活性（例如，无法组合多个工具）的限制。这项工作提出。
Salesforce：基于LLM的代码分析agent
大模型任我行的博客
09-02 1141
不同软件工程代理（SWE agents）在不同上下文中表现不佳。论文提出了一个名为DEI的框架，充当现有SWE代理框架之上的元模块，利用每个代理在其各自上下文中的优势来提高整体性能。
深度学习之模型压缩三驾马车：基于ResNet18的模型剪枝实战（2）
ak47maker的博客
06-05 572
本文针对ResNet18模型剪枝进行了优化改进，主要包含三个方面：1) 将剪枝目标层从底层conv1调整为中间层layer2.0.conv1，减少对基础特征的破坏；2) 采用基于激活值的前向传播方法评估通道重要性，优先剪除低激活通道；3) 改进微调策略，动态解冻关联层并使用更低学习率(0.0001)进行10轮微调。这些优化有效提升了剪枝后模型的稳定性和性能表现，特别是通过中间层剪枝和基于特征贡献的通道选择策略，避免了底层特征破坏带来的连锁反应。
yolo模型精度提升策略
最新发布
qq_47798402的博客
06-09 148
结合起来，才能最大程度地提升那6种相似BGA的区分能力，从而显著提高整体mAP。持续进行基于难例分析的主动学习是突破瓶颈的可持续方法。使用自适应优化器、学习率热身与余弦退火，进行充分长周期的训练（配合早停）。持续收集模型在相似BGA上的错误样本，优先标注并加入训练集进行迭代。设计模拟BGA实际成像挑战（反光、模糊、视角变化）的增强方案。尝试引入注意力机制，将分类损失替换为。训练数据（2倍以上是合理起点）。（Focal Loss）以及。显著增加6种相似BGA的。（特别是注意力机制）、
【python深度学习】Day 45 Tensorboard使用介绍
2203_75479908的博客
06-05 608
之前在神经网络训练中，为了帮助自己理解，借用了很多的组件，比如训练进度条、可视化的loss下降曲线、权重分布图，运行结束后还可以查看单张图的推理效果。tensorboard这个库，集成了以上所有可视化工具。
智能终端与边缘计算
wozaiwurenchu的博客
06-05 802
Cloudlet的定义和主要特征Cloudlet（微云）概念于2009年首次出现。它是一种成熟的边缘计算系统，旨在将移动计算的“端-云”两层架构转变为**“端-边-云”的三层架构** [对话历史]。Cloudlet通常部署在网络边缘，靠近接入点、基站或汇聚点，甚至可以直接运行在智能网联汽车或无人机上 [对话历史]。主要特征：可信且资源丰富的主机或机群。基于虚拟机技术，为移动终端提供服务。Cloudlet通过将与具体应用相关的数据部分从通用部分中抽离出来，形成VM Overlay与Base VM。
法律AI的“幻觉”治理：大模型如何重塑司法公正与效率
七刀的专栏
06-04 1118
在传统律师事务所中，一位律师审查一份50页的商业合同平均需要3小时；而在引入法律大模型后，这一时间被缩短至20分钟。效率提升的背后，是一场正在席卷全球法律体系的智能化革命——。
【oobabooga 本地AI模型搭建】
开心就好了啦
06-05 895
用于大型语言模型的 Gradio Web UI。其目标是成为文本生成的。
Langchain4j 文档处理（7）
m0_58617940的博客
06-05 1087
来自 langchain4j 模块的文件系统文档加载器（FileSystemDocumentLoader）来自 langchain4j 模块的类路径文档加载器（ClassPathDocumentLoader）来自 langchain4j 模块的网址文档加载器（UrlDocumentLoader）来自 langchain4j-document-loader-amazon-s3 模块的亚马逊 S3 文档加载器（AmazonS3DocumentLoader）
高效VLM：VisionZip
my的博客
06-04 644
《VisionZip：视觉语言模型中的高效视觉标记压缩方法》针对现有视觉语言模型(VLMs)存在的视觉标记冗余问题，提出了一种创新解决方案。研究发现，传统VLMs使用长序列视觉标记会导致计算成本高昂，且大量标记注意力权重趋近于零，存在显著冗余。VisionZip通过两阶段处理（保留主导标记+合并次要标记），在仅保留10%标记的情况下实现95%的原模型性能，并将LLaVA-NeXT模型的预填充时间减少8倍。该方法支持无训练应用、高效微调和从头训练三种模式。
OpenAI 即将推出 GPT-5：开启多模态、持续记忆对话新时代
Cha3043445754的博客
06-05 1461
提前学习多模态 AI 的接口设计与调用构建与 AI 协作的开发流程，如 Prompt Engineering + 工具链集成探索 AI 与硬件系统的联动，如边缘端 AI 控制与云协同GPT-5 不是一个模型，而是一种时代的信号。在这个 AI 正悄然重塑世界的时刻，我们既是使用者，也将成为协作者。
MCP协议重构AI Agent生态：万能插槽如何终结工具孤岛？
聚焦AI技术在企业的深度应用，致力于在实际场景中验证理论模型的可行性
06-04 1123
2025年，MCP协议成为AI领域的关键基础设施，被喻为"AI世界的USB-C接口"。
pseudo
03-12
### Pseudo in Programming Context In the realm of software development and programming, the term **pseudo** often refers to a simplified or abstract representation that is not fully functional code but serves as an outline or blueprint for actual implementation. This concept appears prominently within two main contexts: #### Pseudocode Pseudocode represents informal high-level descriptions of algorithms without adhering strictly to any specific syntax. It aims at enhancing readability while providing enough detail so developers can understand logic flow easily. For instance, when designing complex systems like those involving actions based on states such as `action: Action = agent.act(state)`[^1], pseudocode might look something along these lines: ```plaintext IF current_state IS NOT final THEN CHOOSE action FROM possible_actions BASED ON policy EXECUTE chosen_action IN environment UPDATE state WITH outcome OF executed_action ENDIF ``` This approach facilitates communication between team members by focusing on what needs to be done rather than how it should be coded exactly. #### Pseudo-elements in Web Development Another area where pseudo comes into play extensively is web development with CSS (Cascading Style Sheets). Here, pseudo-elements allow styling parts of elements beyond their content box—such as before/after text insertion points or first-letter formatting. An example would involve adding quotation marks around selected paragraphs using ::before and ::after selectors: ```css blockquote::before { content: "“"; } blockquote::after { content: "”"; } ``` These constructs provide flexibility in design without altering HTML structure directly. #### Application Within CodeAct Framework Considering frameworks similar to CodeAct described earlier, which heavily rely on Python scripts for various operations including generating executable snippets dynamically from user queries via prompts, one could imagine scenarios utilizing both forms of 'pseudo': - Developers may draft initial versions of interaction patterns through pseudocode. - For UI components interacting closely with generated outputs, custom styles applied via CSS pseudo-selectors enhance presentation adaptability depending upon runtime conditions.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

同学小张

如果觉得有帮助，欢迎给我鼓励！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值