Repository for the paper "Large Language Model-Based Agents for Software Engineering: A Survey". agent artificial-intelligence software-engineering large-language-models llms llm-based-agents Updated Sep 25, 2024 Improve this page Add a description, image, and links to the llm-based-agents to...
[-63 / factor for factor in negative_factors]\n \n # 计算两个数的乘积\n product = positive_numbers[0] * negative_numbers[0]\n \n return product\n\nresult = find_numbers()\nprint(result)", "sender": "Agent", "formatted": { "tool_type": "code interpreter", "thought": "首先...
7.2 GitHub “ TL; DR 这篇文章是我学习和工作实践过程中的总结,开源出来是便于和同行交流,也希望提升大家对Agent的认知,而不是浮于其他文章表面。本文从什么是Agent、为什么是LLM-based Agent、如何构建Agent三个问题展开,介绍Prompt engineering, ReAct, LangChain, Agent架构, Agent未解之谜。本文适合初学者&从业...
智能代理Agent是以智能方式行事的代理;它感知环境,自主采取行动以实现目标,并可以通过学习或获取知识来提高其性能。 本篇主要针对LLM-based Agent,即Agent基于大语言模型进行思考规划,获取信息,并从大模型与外界学习知识并自学习与利用。 多智能体Multi-Agent则是可以通过多个Agent进行协作配合完成更复杂的工作。 特点: ...
•🐙 MCP GitHub 智能体 (MCP GitHub Agent):通过AI智能体与GitHub仓库进行交互,如查询信息、管理Issues等。 •♾️ MCP 浏览器智能体 (MCP Browser Agent):控制浏览器执行自动化任务,如网页浏览、信息提取等。 🔗 RAG (检索增强生成 - Retrieval Augmented Generation) ...
LLM Agent的工作流通常是一个迭代运行的过程,下图是babyAGI的工作流: 图片来自https://github.com/yoheinakajima/babyagi 该工作流从输入第一个目标任务开始,经过循环进行下列三个步骤,直至完成目标任务(也可能报错): 第一步: 向Task List 压入一个Task; 然后把任务发送给Execution Agent,Execution Agent会基于上下...
开发了一个叫做GITAGENT的agent,这个agent能自动做这件事。GITAGENT工作的时候,会分四个步骤,如果遇到问题,它还会去GitHub上看看别人是怎么解决的,学习经验。作者对此进行实验,用GITAGENT处理了30个用户的问题,结果发现平均有69.4%的成功率,验证了该种方案的可行性。
DB Agent设计 和数据库进行交互的应用设计,主要涉及以下几个模块 Decomposition:把SQL生成任务,拆分成先定位表,再定位表字段,最后基于以上信息生成SQL的多个子问题,降低每一步的任务难度,和上文输入的长度 Schema Linking:数据表较多的数据库,不能一次性把所有表schema都作为上文输入,需要先针对问题筛选相关的数据表和...
1. Agentflow：开源LLM驱动工作流工具Agentflow是一个旨在为用户提供创建和执行由大语言模型驱动的工作流的强大但易用的工具。它是以开源形式在GitHub上发布的一个项目，旨在通过复杂的工作流程来增强大语言模型的使用。这个工具的主要优势在于，用户无需深入了解大语言模型的内部工作原理，就能够利用Agentflow创建出强大...
开发了一个叫做GITAGENT的agent,这个agent能自动做这件事。GITAGENT工作的时候,会分四个步骤,如果遇到问题,它还会去GitHub上看看别人是怎么解决的,学习经验。作者对此进行实验,用GITAGENT处理了30个用户的问题,结果发现平均有69.4%的成功率,验证了该种方案的可行性。