模型智能体开发之metagpt-单智能体实践

需求分析

1. 根据诉求完成函数代码的编写，并实现测试case，输出代码

代码实现

定义写代码的action

1. action是动作的逻辑抽象，通过将预设的prompt传入llm，来获取输出，并对输出进行格式化

2. 具体的实现如下

   1. 定义prompt模版

      1. prompt是传给llm的入参，所以llm对prompt的需求解析越准确，那么llm的输出就会越符合我们的诉求
      2. 如何抽象出最合适的prompt模版

      PROMPT_TEMPLATE = """
          Write a python function that can {instruction} and provide two runnnable test cases.
          Return ```python your_code_here ```with NO other texts,
          your code:
          """
      

   2. 调用llm生成代码

      1. 通过传入的instruction参数来格式化llm入参，之后通过aask调用llm进行输出。因为llm的输出是并不一定会符合我们的诉求，所以需要按照需求对output进行格式化

      async def run(self, instruction: str):
         prompt = self.PROMPT_TEMPLATE.format(instruction=instruction)
      	 rsp = await self._aask(prompt)
      	 code_text = SimpleWriteCode.parse_code(rsp)
      	 return code_text  
      

   3. 对llm output进行格式化

      1. 正则表达式提取其中的code部分，llm在返回给我们代码时通常带有一些格式化标识，而这些格式化标识往往是我们所不需要的
      2. 格式方法：

       @staticmethod
          def parse_code(rsp):
              pattern = r'```python(.*)```'
              match = re.search(pattern, rsp, re.DOTALL)
              code_text = match.group(1) if match else rsp
              return code_text
      

3. 完整代码

   import asyncio
   import re
   import subprocess
   
   import fire
   
   from metagpt.actions import Action
   from metagpt.logs import logger
   from metagpt.roles.role