【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

最新推荐文章于 2025-11-16 21:56:30 发布
最新推荐文章于 2025-11-16 21:56:30 发布
阅读量925 收藏 1
点赞数 2
CC 4.0 BY-SA版权
分类专栏： 大模型 文章标签： 人工智能 prompt AIGC 笔记 gpt AI-native AgentScope
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/141717810

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。

上篇文章 【AI Agent系列】【论文学习】CodeAct - 代码使LLM Agent更强大高效灵活 我们学习了CodeAct 的原理，知道 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。本文我们来根据上篇文章中的原理，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。

文章目录

0. 先看运行过程和结果，有个直观认识

0.0 任务描述

Given y = 0.9x + 6.1, randomly sample data points as pairs of (x, y). Then fit a linear regression on the sampled data and plot the points, fitted line, and ground-truth line.

给定一个函数 y = 0.9x + 6.1，根据这个函数随机生成一些坐标。然后拟合这些坐标点，并将坐标点、拟合的直线、理论直线画出来。

0.1 执行过程

  1. 根据给定的任务，大模型首先根据任务拆分了实现步骤：

（1）导入必要的python库
（2）生成随机x坐标
（3）根据x坐标和给定的直线方程，计算y坐标
（4）根据这些生成的点拟合一条直线
（5）将生成的点、拟合直线和原始直线画出来

  1. 根据实现步骤，大模型给出了完整的Python代码，并用来包含起来。
    在这里插入图片描述

  2. 经过自动执行上面的代码，代码执行错误，错误信息作

了解本专栏 订阅专栏 解锁全文 超级会员免费看
【AI Agent系列】【论文学习】CodeAct - 代码使LLM Agent更强大高效灵活
同学小张的博客
09-03 618
CodeAct 核心提供了一种思想，用代码来进行智能体-环境的交互（例如工具调用），提高效率和通用性。CodeAct 的行动空间自然地支持搜索、记忆等过程，例如记忆通过创建一个数据库进行实现。
AI Coding Agent 25年3月AI编程智能体Top 100流量报告 DeepNLP AI Agent Index Directory Marketplace
rockingdingo的博客
03-31 1555
对于AI从业者进行行业研究，研发计划，政策制定，投资分析汇总，趋势预测和监控等提供更好的数据服务。描述:Qodo AI Coding Agent is an advanced AI-powered development tool designed to enhance developer productivity by providing intelligent code generation, debugging, and optimization capabilities. It integr。
CodeAct范式
sinat_28694519的博客
09-13 796
在大模型agent领域，比较常见的是ReAct范式，它的核心思想是把推理（Reasoning）和行动（Acting，通常是工具调用）结合起来。LLM 一边输出“思考过程”，一边决定调用什么工具或采取什么行动，再根据观察结果继续推理。而CodeAct的核心思想是让 LLM 输出 可执行代码（而不是自然语言的行动指令），然后在安全环境里执行代码，执行结果再反馈给模型，进入下一轮。虽然CodeAct还有很多问题需要解决，但是随着大模型编程的能力越来越强，这些问题会大大缓解。
代码驱动的智能：解锁 LLM 代理的新潜力
步子哥的博客
01-08 873
在人工智能领域，语言模型（Large Language Models, LLMs）的崛起已然成为一场革命。它们不仅能够生成流畅的文本，还能通过调用工具、操控机器人等方式，与现实世界产生交互。然而，现有的 LLM 代理在执行复杂任务时，往往受限于预定义的动作空间（例如，固定的工具调用格式）和缺乏灵活性（例如，无法动态组合多个工具）。为了解决这些问题，一项名为的新框架应运而生，它通过生成可执行的 Python 代码，将 LLM 的动作统一到一个强大的代码空间中，从而大幅提升了任务解决能力。
CodeAct：超越React Agent架构的新范式（附代码）
一如年少模样丶的博客
11-09 878
摘要 本文介绍了一种新型AI智能体架构CodeAct，它通过让大语言模型直接编写和运行Python代码来完成任务，相比传统JSON函数调用或纯文本指令方式具有显著优势。CodeAct利用Python解释器实时执行AI生成的代码，支持多轮交互调试，能够更灵活地组合多个工具操作。文章对比了传统方式和CodeAct的区别，并提供了基于langchain-codeact库的具体实现示例，包括工具定义、代码执行逻辑和运行流程。这种架构特别适合需要复杂任务组合的场景，为AI智能体开发提供了新思路。
CodeAct：颠覆传统Agent，让大模型直接写代码解决复杂问题！
m0_74942241的博客
11-13 900
CodeAct是一种超越传统Agent架构的新范式，让大语言模型通过编写和运行真实Python代码与外部世界互动。它将Agent想法转化为可执行代码，通过Python解释器运行并获取反馈，形成闭环交互流程。这种架构融合了LLM的规划推理能力与Python生态系统的丰富功能，使AI能自主完成复杂任务并具备调试纠错能力。
CodeAct
whaosoft143ai的博客
02-13 1618
(4) 与JSON和预定义格式的文本相比，代码本质上支持控制和数据流，允许将中间结果存储为变量以供重用，并用一段代码允许组合多个工具来执行复杂的逻辑操作（例如，if-语句、for循环），从而释放大模型预训练的编程知识来处理复杂任务的潜力。然而，就CodeAct的绝对性能而言，开源和闭源LLM之间仍存在显著差距，最佳开源模型的绝对性能提高了13.4%，而最佳闭源模型gpt-4-1106-preview的绝对性能提高了74.4%。此外，使用CodeAct执行任务所需的平均交互轮数也较低。whaosoft ai
创新未来：让代码行动起来——深度探索CodeAct项目
gitblog_00016的博客
05-30 1841
创新未来：让代码行动起来——深度探索CodeAct项目 去发现同类优质开源项目:https://gitcode.com/ 项目介绍 在这个人工智能快速发展的时代，我们迎来了一个开创性的开源项目——Executable Code Actions Elicit Better LLM Agents（简称CodeAct）。CodeAct通过引入可执行的Python代码作为大型语言模型（LLMs）的行为表示...
人工智能基于LangGraph与MCP协议的智能体开发技术指南：国产大模型驱动的AI Agent构建与RAG系统实现
09-01
内容涵盖AI Agent与传统AI的区别、LLM驱动的智能体工作循环、三大关键能力（记忆调整、工具使用、任务规划），并通过LangGraph、MCP协议、ReAct模式等技术框架演示了从零构建智能体的完整流程。进阶部分深入讲解了...
CodeAct：基于代码生成的LLM代理新范式
CodeAct是一种面向大语言模型（LLM）代理的全新范式，其核心思想是通过让LLM生成可执行的Python代码作为智能体（Agent）与环境交互的操作方式，从而实现更加灵活、高效和强大任务执行能力。这一架构突破了传统LLM...
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 1333
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。
AgentScope : 与CodeAct智能体对话
消极的人永远是对的，积极的人选择勇往直前
09-29 1064
CodeAct Agent是一个Agent,它不仅可以聊天,还可以为你编写和执行Python代码。在本示例中,将介绍另一种赋予Agent调用工具能力的方法,特别是通过直接向Agent提供工具的相应代码,然后允许Agent独立地使用它们。在工具使用方面,CodeAct Agent还允许Agent使用工具（Tools）来解决问题,但是以不同的方式。
CodeActAgent ：Executable Code Actions Elicit Better LLM Agents解读
jiayoudangdang的博客
10-14 1678
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。
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 4630
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。
OpenHands，媲美v0与Cursor的开源AI编程工具，帮你解密 AI 编程工具的工作原理
surfirst的博客
11-12 7848
AI在编程领域的应用迅速发展，涌现出了众多新兴的AI编程工具。今天，我将为大家介绍一款开源的AI编程工具——OpenHands。它不仅具备与Cursor和v0类似的自然语言编程体验，还在SWE-bench测试中表现出色。在这篇博文中，我们将探讨OpenHands的核心功能、架构设计、如何使用Docker进行部署以及它在编程效率方面的潜力。
CodeAct Agent 框架概览
步子哥的博客
04-02 597
CodeAct Agent 是 OpenHands 的核心组件之一，其设计理念在于将所有 LLM 代理的行为统一归纳到一个“代码”操作空间中，从而实现更简洁、高效的执行方式。受 CodeAct 概念（参考论文与相关推文）的启发，该代理能够在与人类进行自然对话的同时，直接执行代码操作，从而在任务处理上既实现了自然语言交流，又兼顾了直接代码执行的能力。代理可与用户进行自然语言交流，用以询问澄清问题、进行确认或请求更多细节，帮助更好地理解任务需求或解决不明确之处。
Executable Code Actions Elicit Better LLM Agents翻译
nopSled
08-19 663
大语言模型 (LLM) Agent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 Agent通常被提示以通过生成预定义格式的 JSON 或文本来执行操作，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。。与 Python 解释器集成后，CodeAct 可以执行代码操作并动态修改先前的操作或通过多轮交互根据新的观察发出新操作。
CodeAct：用Python代码重构Agent交互，开启智能体效率革命
最新发布
小程故事多的博客
11-16 999
摘要：CodeAct架构以"代码即行动"的创新思路，解决了传统AI智能体(Agent)对接外部工具的难题。该架构让大语言模型直接生成可执行Python代码，突破传统JSON函数调用的刚性约束，实现"思考-执行-反馈-修正"的闭环交互。相比传统方式，CodeAct具备自主纠错、灵活扩展等优势，效率提升显著。LangChain框架的落地实践表明，CodeAct可拓展至数据分析、自动化等复杂场景，有望成为企业级智能体的主流架构，推动AI从"被动执行"到&
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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