文章编号：4978 / 分类：AI资讯 / 更新时间：2024-06-16 10:02:05 / 浏览：次

loading="lazy">

53AI知识库

学习大模型的前沿技术与行业应用场景

关注 ▲AI模数师▲ 探索AI生活，驱动数据智能

欢迎来到AI模数师 Agent智能体指北系列 的第6篇原创 

如果您刚开始接触AI ，欢迎订阅小白学AI系列，零基础搞定大模型！    

如果您想成为一个AI应用开发者，欢迎订阅深入浅出RAG系列。

另外~~跟大家宣布个重要的事情！我已经通过微信对话开发平台把自己变成了一个万能的超级Agent智能体，可以在后台问我各种问题~~还可以陪你玩成语接龙 和 末日生存游戏 ！欢迎后台私信体验啊~~

代码生成和分析是大型语言模型（LLMs）最重要的应用场景之一，比如我们可以直接让Kimi写一段Python程序。

不过对于复杂的程序，有时候效果并不能满足我们的期望。

不过现在有了工作流，可以通过LangGraph打造一个编程智能体，通过迭代的方式，让Agent自我进化，实现更好的编程效果，主要包含两个步骤：

（2）反思这些测试的结果，以改进解决方案。

但是，通过 LangGraph 打造智能体究竟能带来多大的提升效果？我们想需要对比两种不同的架构：

通过提示词编写代码

通过LangGraph 构建编写代码的流程，如果有错误则自我纠正

我们实现了一个包含以下组件的代码生成的工作流：

受最近长上下文 LLMs 趋势的启发，我们使用 gpt-4 和 128k 令牌上下文窗口对 60k 令牌 LCEL 文档进行上下文填充。我们将一个关于 LCEL 的问题传递给我们填充了上下文的 LCEL 链以生成初始答案。

我们使用 OpenAI 工具将输出解析为 Pydantic 对象，该对象包含三个部分：（1）描述问题的序言，（2）import 代码块（3）代码。

我们首先检查 导入 执行，因为我们发现在代码生成过程中，导入语句中可能会出现幻觉。

如果 导入 检查通过，我们接下来检查代码本身是否可以执行。在生成提示中，我们指示 LLM 不要在代码解决方案中使用伪代码或未定义的变量，这应该产生可执行的代码。

重要的是，如果任一检查失败，我们将堆栈跟踪与之前的答案一起传回生成节点以进行反思。我们允许重试 3 次（仅作为默认值），重试次数可以根据需要扩展。

作为基线，我们实现了没有 LangGraph 的提示词代码生成，使用 GPT-4 和 128k 令牌上下文窗口对 60k 令牌 LCEL 文档进行内容生产。将一个关于 LCEL 的问题传递给我们填充了上下文的 LCEL 链以生成答案。

使用 LangSmith 进行评估，主要评估两项：import的内容和代码执行是否正确。

在评估集上用 20 个问题对提示词生成的代码进行了四次评估。我们看到 大约98% 的导入测试是正确的，大约 55% 的代码通过了执行测试。

失败的内容主要是它没有意识到 RunnableLambda 函数的输入将是一个 dict 并认为它是一个 string：AttributeError: 'dict' object has no attribute 'upper'

然后我们测试了 提示词 + LangGraph 在导入和代码执行中执行此类错误的检查，然后在执行更新答案生成时反思任何错误。

在相同的评估集上，我们看到 100% 的导入测试是正确的，以及 大约 81% 的代码通过了测试。

使用LangGraph也遇到了相同的错误，但在错误的反思过程中，通过三次反思，最终生成正确处理了 RunnableLambda 函数中的输入 dict。

总体而言，添加这个简单的反思步骤并使用 LangGraph 重试，导致代码执行有了显著改进，大约有 26% 的改进。

LangGraph 可以有效地通过编程智能体解决代码编写过程中的一些问题，通过对失败结果的反思，并自我迭代改进代码结果。

在不远的将来，Agent智能体已经可以替代大部分初级开发的工作，人人都能编程的时代已经到来！

欢迎关注我，获取更多关于 AI 优化的前沿资讯。别忘了将今天的内容分享给你的朋友们，让我们一起见证 AI 技术的飞跃！

觉得我的文章对你有帮助的话，请不要吝啬你的点赞、在看和转发~

53AI，大模型落地应用首选服务商

定位：开箱即用的大模型落地应用平台

承诺：先做场景POC验证，看到效果再签署服务协议。零风险落地应用大模型，已交付160+中大型企业

微软技术社区：做RAG？向量搜索还不够

全球首个开源AIGC数字人模型免费使用，手机端可跑！

如何让AI基于超长文档进行问答？

翻车了？这才是真正的SD3！

Omost！让AI大模型代写AI绘画提示词

《构建和评估高级RAG》: RAG评估要素和方法

【AI大模型应用开发】AI+知识图谱极简入门：手把手带你体验LangChain实现知识图谱创建和查询（附代码和源码分析）

广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层） 杨小姐   186 6662 7370

上海：上海市浦东新区金新路58号1602室    戴先生   186 1639 7587

广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层） 杨小姐   186 6662 7370

上海：上海市浦东新区金新路58号1602室    戴先生   186 1639 7587

与创始人交个朋友

-->广州：广州市华景路37号(华景软件园)暨南大学科技大厦6楼（整层） 杨小姐   186 6662 7370

上海：上海市浦东新区金新路58号1602室    戴先生   186 1639 7587

-->

自动秒收录 | 电影导航 | 网络推广 | ChatGPT中文版 | AI绘画 | AI文生图 | 网站地图 | 网站目录