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：
（1）测试答案
（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：
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。
使用 LangSmith 进行评估
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。
结论
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~
粤ICP备14082021号
免费POC，
零成本试错
