声明本篇博客是以吴恩达的【Agent智能体】教程为基础并对其中的内容做了笔记整理以及个人收获的总结。结合代码执行的规划指的是不再让LLM直接输出计划比如说不是让它以JSON格式输出逐行执行每一步。可以直接让LLM编写代码这样代码可以涵盖计划中的多个步骤比如调用这个函数再调用那个函数等等。通过LLM生成的代码实际上可以执行相当复杂的计划下面我们看看什么情况下可能会用到这种技术使用工具进行规划的挑战假设你想基于一份包含数据的电子表格构建一个能回答咖啡机销售问题的系统。用户提问“哪个月的热巧克力销量最高“你可以使用这些工具来回答这个问题如图右下角。但是我们不难发现过程是相当复杂的步骤 1 2先用filter_rows筛出 1 月份的热巧克力再用get_column_mean算平均销售额。步骤 3 4重复上述动作筛出 2 月份算平均值。步骤 5LLM 被迫输出或系统被迫执行针对 3 月到 12 月的无聊重复。如果展开这至少需要 24 步单独的工具调用。步骤 6最后再把这 12 个结果拿出来进行比对。更复杂的提问如下如果有人问上周有多少笔独特的交易这些工具根本无法给出答案这样你可能需要重新构建一个工具。或者有人问”最近几笔交易的金额是多少“这样你又得创建一个新的工具。我们不难发现这样每出现一个需求就创建新工具的方式是复杂且低效的更好的解决方案这个图呈现了如何通过系统提示词System Prompt引导大语言模型LLM直接输出可执行的代码从而一次性解决用户的复杂问题系统提示词预设的指令“Write code to solve the user’s query. Return your answer as python code delimited withexecute_pythonand/execute_pythontags.”编写代码来解决用户的查询。将你的答案作为 Python 代码返回并用execute_python标签包裹。这个提示词做到了两件事改变输出范式告诉 LLM 不要输出自然的对话文本也不要输出零碎的 JSON 工具调用计划而是直接写代码。方便系统拦截通过特定的 XML 标签execute_python外部的 Agent 框架系统可以精准地使用正则表达式提取出这段代码并直接丢进沙盒环境运行。实际运作流程用户输入红色框“最后 5 笔交易的金额是多少”What were the amounts of the last 5 transactions?大模型生成灰色框LLM 接收到问题后立刻调动了其内部的编程知识输出了一套完整的、逻辑严密的解决方案。代码逻辑拆解右侧灰色框生成的 Python 代码加载数据pd.read_csv一句话搞定数据读取。数据清洗pd.to_datetime确保日期格式正确。排序逻辑sort_values(ascendingFalse)直接按时间倒序排列把最新的交易顶到前面。截取目标.head(5)干净利落地切出前 5 行。输出结果提取price列并打印。传统工具调用为了找“最后5笔”可能要调用“获取列表”-“按日期排序工具”-“切片工具”。而这里LLM一次思考一次输出整个规划都在这段脚本里完成了。依靠 Python 和 Pandas 生态过滤、聚合、时间序列处理等复杂逻辑都可以轻松实现不需要开发者去手写几十个琐碎的专属工具。这些函数 LLM见过很多调用场景所以让你的LLM来写代码时它能从这些数百上千个相关函数中选择因为它已经见过很多调用数据所以它能把这个大型库里的不同函数串联起来来制定一个应对复杂查询的方案。再看一个问题有人问上周有多少笔独特的交易跟上个图除了系统提示词以外其他都一样看一下**代码逻辑拆解**步骤一预处理时间数据df pd.read_csv(..., parse_dates[date])LLM 非常聪明地在读取 CSV 时顺手就把文本格式的日期转换成了标准的时间格式为后面的计算铺路。步骤二动态计算时间窗口todaypd.Timestamp.today()week_agotoday-pd.Timedelta(days7)自己写出了时间戳的减法逻辑定义了“上周”的时间边界。步骤三数据过滤last_week df[df[date].between(week_ago, today)]一句代码把目标时间段的数据切片拿了出来。步骤四去重并计数print(last_week.drop_duplicates().shape[0])直接调用内置的drop_duplicates()删掉重复项然后用.shape[0]获取最终的行数也就是笔数并打印。对于可以通过编写代码完成的任务让LLM用软件代码表达方案 并直接执行是一种让它制定丰富计划的强大方式。当然在工具使用模块提到的注意事项也适用比如你需要考虑寻找安全的执行环境 如沙箱。虽然这可能不是最佳实践但也有很多开发者并没有用沙箱事实证明用代码规划效果很好看下文。使用代码进行规划可以提高性能三种 Action ModeText as Action纯文本 - 紫色条模型直接输出自然语言来描述它想做什么。这是最原始、最不精确的方式系统很难解析并自动化执行。JSON as ActionJSON格式 - 粉色条这就是第一张图里那种传统的工具调用Tool Calling模式。模型输出结构化的 JSON 数据来调用预设的 API 或函数。Code as Action代码执行 - 绿色条这对应第二张图的模式模型直接编写完整的 Python 等可执行代码来解决问题。观察图表中的柱状图长度和虚线的趋势我们可以得出极其明确的结论“Code as Action”绿色条在所有测试的模型中都取得了最高的任务成功率Successful task completion rate。对于顶级模型如 GPT-4 家族提升最为显著。以最上面的gpt-4-1106-preview为例使用传统的 JSON 工具调用时成功率在 50% 左右但切换到代码执行后成功率飙升到了 70% 以上实现了质的飞跃。跨模型的普适性无论是强如 Claude-2、GPT-4还是相对较小的开源模型如最下方的 Llama-2-70b绿色的柱子永远是最长的。这说明“用代码规划”不是某个特定模型的专利而是一种降维打击般的范式优势。总结事实证明 如果你让这些高级智能编程辅助工具为你编写复杂软件它可能会先制定详细计划 先构建软件的某个组件再构建第二个甚至可能在过程中规划测试这些组件接着形成一个清单按步骤逐一执行。这种方式在构建越来越复杂的软件时效果非常好对于其他应用场景规划的使用还在不断增长和发展规划的一个缺点是开发者没有明确告诉系统具体要做什么 因此控制起来会稍微困难一些而且你无法提前预知运行时会发生什么 但放弃部分控制权确实能显著扩大模型可能尝试的方案范围所以这项重要技术算是前沿领域且有很大的上升空间如果这篇文章对你有帮助欢迎点赞、评论、关注、收藏。你们的支持是我前进的动力
【Agent智能体25 | 规划-结合代码执行的规划】
发布时间：2026/6/10 1:08:02
声明本篇博客是以吴恩达的【Agent智能体】教程为基础并对其中的内容做了笔记整理以及个人收获的总结。结合代码执行的规划指的是不再让LLM直接输出计划比如说不是让它以JSON格式输出逐行执行每一步。可以直接让LLM编写代码这样代码可以涵盖计划中的多个步骤比如调用这个函数再调用那个函数等等。通过LLM生成的代码实际上可以执行相当复杂的计划下面我们看看什么情况下可能会用到这种技术使用工具进行规划的挑战假设你想基于一份包含数据的电子表格构建一个能回答咖啡机销售问题的系统。用户提问“哪个月的热巧克力销量最高“你可以使用这些工具来回答这个问题如图右下角。但是我们不难发现过程是相当复杂的步骤 1 2先用filter_rows筛出 1 月份的热巧克力再用get_column_mean算平均销售额。步骤 3 4重复上述动作筛出 2 月份算平均值。步骤 5LLM 被迫输出或系统被迫执行针对 3 月到 12 月的无聊重复。如果展开这至少需要 24 步单独的工具调用。步骤 6最后再把这 12 个结果拿出来进行比对。更复杂的提问如下如果有人问上周有多少笔独特的交易这些工具根本无法给出答案这样你可能需要重新构建一个工具。或者有人问”最近几笔交易的金额是多少“这样你又得创建一个新的工具。我们不难发现这样每出现一个需求就创建新工具的方式是复杂且低效的更好的解决方案这个图呈现了如何通过系统提示词System Prompt引导大语言模型LLM直接输出可执行的代码从而一次性解决用户的复杂问题系统提示词预设的指令“Write code to solve the user’s query. Return your answer as python code delimited withexecute_pythonand/execute_pythontags.”编写代码来解决用户的查询。将你的答案作为 Python 代码返回并用execute_python标签包裹。这个提示词做到了两件事改变输出范式告诉 LLM 不要输出自然的对话文本也不要输出零碎的 JSON 工具调用计划而是直接写代码。方便系统拦截通过特定的 XML 标签execute_python外部的 Agent 框架系统可以精准地使用正则表达式提取出这段代码并直接丢进沙盒环境运行。实际运作流程用户输入红色框“最后 5 笔交易的金额是多少”What were the amounts of the last 5 transactions?大模型生成灰色框LLM 接收到问题后立刻调动了其内部的编程知识输出了一套完整的、逻辑严密的解决方案。代码逻辑拆解右侧灰色框生成的 Python 代码加载数据pd.read_csv一句话搞定数据读取。数据清洗pd.to_datetime确保日期格式正确。排序逻辑sort_values(ascendingFalse)直接按时间倒序排列把最新的交易顶到前面。截取目标.head(5)干净利落地切出前 5 行。输出结果提取price列并打印。传统工具调用为了找“最后5笔”可能要调用“获取列表”-“按日期排序工具”-“切片工具”。而这里LLM一次思考一次输出整个规划都在这段脚本里完成了。依靠 Python 和 Pandas 生态过滤、聚合、时间序列处理等复杂逻辑都可以轻松实现不需要开发者去手写几十个琐碎的专属工具。这些函数 LLM见过很多调用场景所以让你的LLM来写代码时它能从这些数百上千个相关函数中选择因为它已经见过很多调用数据所以它能把这个大型库里的不同函数串联起来来制定一个应对复杂查询的方案。再看一个问题有人问上周有多少笔独特的交易跟上个图除了系统提示词以外其他都一样看一下**代码逻辑拆解**步骤一预处理时间数据df pd.read_csv(..., parse_dates[date])LLM 非常聪明地在读取 CSV 时顺手就把文本格式的日期转换成了标准的时间格式为后面的计算铺路。步骤二动态计算时间窗口todaypd.Timestamp.today()week_agotoday-pd.Timedelta(days7)自己写出了时间戳的减法逻辑定义了“上周”的时间边界。步骤三数据过滤last_week df[df[date].between(week_ago, today)]一句代码把目标时间段的数据切片拿了出来。步骤四去重并计数print(last_week.drop_duplicates().shape[0])直接调用内置的drop_duplicates()删掉重复项然后用.shape[0]获取最终的行数也就是笔数并打印。对于可以通过编写代码完成的任务让LLM用软件代码表达方案 并直接执行是一种让它制定丰富计划的强大方式。当然在工具使用模块提到的注意事项也适用比如你需要考虑寻找安全的执行环境 如沙箱。虽然这可能不是最佳实践但也有很多开发者并没有用沙箱事实证明用代码规划效果很好看下文。使用代码进行规划可以提高性能三种 Action ModeText as Action纯文本 - 紫色条模型直接输出自然语言来描述它想做什么。这是最原始、最不精确的方式系统很难解析并自动化执行。JSON as ActionJSON格式 - 粉色条这就是第一张图里那种传统的工具调用Tool Calling模式。模型输出结构化的 JSON 数据来调用预设的 API 或函数。Code as Action代码执行 - 绿色条这对应第二张图的模式模型直接编写完整的 Python 等可执行代码来解决问题。观察图表中的柱状图长度和虚线的趋势我们可以得出极其明确的结论“Code as Action”绿色条在所有测试的模型中都取得了最高的任务成功率Successful task completion rate。对于顶级模型如 GPT-4 家族提升最为显著。以最上面的gpt-4-1106-preview为例使用传统的 JSON 工具调用时成功率在 50% 左右但切换到代码执行后成功率飙升到了 70% 以上实现了质的飞跃。跨模型的普适性无论是强如 Claude-2、GPT-4还是相对较小的开源模型如最下方的 Llama-2-70b绿色的柱子永远是最长的。这说明“用代码规划”不是某个特定模型的专利而是一种降维打击般的范式优势。总结事实证明 如果你让这些高级智能编程辅助工具为你编写复杂软件它可能会先制定详细计划 先构建软件的某个组件再构建第二个甚至可能在过程中规划测试这些组件接着形成一个清单按步骤逐一执行。这种方式在构建越来越复杂的软件时效果非常好对于其他应用场景规划的使用还在不断增长和发展规划的一个缺点是开发者没有明确告诉系统具体要做什么 因此控制起来会稍微困难一些而且你无法提前预知运行时会发生什么 但放弃部分控制权确实能显著扩大模型可能尝试的方案范围所以这项重要技术算是前沿领域且有很大的上升空间如果这篇文章对你有帮助欢迎点赞、评论、关注、收藏。你们的支持是我前进的动力
