02｜起点：从数据分析场景看 CodeAct 模式
邢云阳
你好，我是邢云阳。
今天起，我们将正式踏入 Harness 脚手架的学习旅程。作为入门，我为你精心挑选了由 Hugging Face 团队于 2024 年 12 月开源的 Smolagents 框架。
这是一款极其轻量（核心逻辑仅约 1000 行代码）且高效的开发框架。在 2024 年底那个年代，大家都在拼命为 Agent 添加各种各样的工具的，Smolagents 就采用了 CodeAct 这种高效灵活的模式，并且该模式一直沿用至今，是不是很有前瞻性？
传统工具调用型 Agent 在数据分析场景中的表现
为了帮你更透彻地理解 Smolagents 的运行机制，在正式上手代码之前，我们不妨先从“数据分析”这一典型场景切入，来深入探究一下 CodeAct 模式究竟为何如此强大。
假设我们已经有了一个包含某只股票近一年收盘价的 CSV 文件，现在需要分析其走势、计算移动平均线并绘制图表。
在传统的工具调用型 Agent 中，我们通常需要预先准备一系列工具：比如用于读取 CSV 数据的工具（基于 Pandas 库）、用于数值计算的工具（基于 NumPy 库），以及用于绘制移动平均线图表的工具（基于 Matplotlib 库）。
除了数据读取相对通用外，其他工具往往是针对特定计算或绘图需求定制的。这就导致了一个问题：我们要分析的指标越多，需要注册和定制的工具就越多。最终，Agent 会携带大量工具，导致上下文窗口被冗长的工具描述文档大量占用，引发经典的上下文管理难题。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《Harness Agent 脚手架实战课》，新⼈⾸单¥59
《Harness Agent 脚手架实战课》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论