详细内容或原文请订阅后点击阅览
构建可以编写和运行代码的 LLM 代理
使用 OpenAI Agents SDK 和 Docker 执行代码的实践演练《构建可以编写和运行代码的 LLM 代理》一文首先出现在《走向数据科学》上。
来源:走向数据科学可能是我们可以为 LLM 代理提供的最有用的功能之一。
一旦代理可以编写和执行代码，许多任务就变得可能。例如，代理可以检查文件或数据集、编写数据处理逻辑或生成供下游使用的工件。
这为更广泛的代理应用打开了大门。
在这篇文章中，我们将使用 OpenAI Agents SDK 和 Docker 构建一个编码代理。我们将首先构建心理模型，然后进行一个小型案例研究，要求代理分析 CSV 文件，并返回带有图表的报告。
最后，我们还将总结使该模式可重用的实用细节。
1. 代码执行代理如何工作
代码执行代理有三个重要的组成部分：模型、工作空间和执行环境。让我们一一拆开它们。
1.1 模型
代码执行代理毕竟是 LLM 代理。当然，它需要法学硕士来为代理人提供动力。
在这个特定场景中，LLM 的常见任务是检查可用文件，决定需要什么类型的分析，编写实际代码，读取结果，并继续进一步迭代。
1.2 工作区
这是代理工作的空间，也是输入文件进入和输出文件出来的地方。用户可以将数据文件（例如 CSV、PDF、文档文件夹等）上传到工作区，代理可以对其进行处理，并将工件保存回工作区。
1.3 执行环境
LLM代理只编写代码，并不执行它。所以我们需要一个生成的代码可以真正运行的执行环境。
有多个可用选项。例如，这个代码执行环境可以是平台管理的托管环境，也可以是我们本地控制的沙箱。如果我们自己控制的话，Docker 通常是打包运行时并隔离运行的默认方式。
1.4 横切关注点：控制
那么，就有一个实际的设计问题：控制。