小节四:实现一个最小可运行 Coding Agent——不用真实 Provider 也能先把 Harness 跑通

这一节更像是把前面讲的抽象概念真正落到一个最小 Demo 上。目录结构、Agent、Tools、Workspace、pytest 和 Observation 是怎么串起来的,光看代码有时候会有点散,先看一眼下面这张结构图,会更容易把这个教学版 Harness 的骨架搭起来。

图片[1]-小节四:实现一个最小可运行 Coding Agent——不用真实 Provider 也能先把 Harness 跑通-大赛人网

下面我们实现一个教学版。

重点不是模型智能,而是,Harness 结构完整。

目录:

coding_agent_demo/
├── agent.py
├── tools.py
├── app.py
├── workspace/
│   ├── AGENTS.md
│   ├── calculator.py
│   └── tests/
│       └── test_calculator.py

先准备一个有 Bug 的项目。

workspace/calculator.py:

def add(
    a: int,
    b: int,
) -> int:
    return a - b

workspace/tests/test_calculator.py:

from calculator import add


def test_add():
    assert add(2, 3) == 5

workspace/AGENTS.md:

- Python 3.9
- 不允许修改 tests/
- 使用 pytest
- 修改代码后必须测试
- 不允许新增第三方依赖

然后实现一个最小 ToolExecutor。

注意这里没有开放:

任意 Shell。

教学 Demo 只给:

run_pytest

这其实比万能 run_shell 更安全。

Fake Agent 决策

为了让 Harness 自己可运行,我们先写一个规则版决策器。

真实系统里:

DemoDecisionMaker

替换成:

LLM Provider。

Harness 不需要大改。

这就是前面:

模型解耦

章节的价值。

© 版权声明
THE END
喜欢就支持一下吧
点赞13 分享
评论 抢沙发
头像-大赛人网
欢迎您留下宝贵的见解!
提交
头像-大赛人网

昵称

取消
昵称

    请登录后查看评论内容