smolagentsHugging Face minimalistiskā Python bibliotēka pirmkoda pirmajai AI aģentu izveidei dažās rindiņās

Cik stipri ir atvērtie modeļi agentu darba plūsmām?

Mēs izveidojām CodeAgent instances ar dažiem galvenajiem modeļiem un salīdzinājām tos ar šo benchmark, kas apkopo jautājumus no dažādiem benchmarkiem, lai piedāvātu dažādu izaicinājumu sajaukumu. Iegūstiet benchmarking kodu šeit, lai uzzinātu vairāk par izmantoto agentu iestatījumu, un skatiet salīdzinājumu, izmantojot LLM koda agente salīdzinājumā ar vienkāršo (spoilers: koda agenti darbojas labāk). Šis salīdzinājums rāda, ka atvērtā koda modeļi tagad var uzņemties vislabākos slēptos modeļus!

Asked by Diego Fernández · Feb 16, 2026

Cik mazs ir šis bibliotēkas

Mēs cenšām, lai abstrakcijas būtu stingri minimālas: galvenais kods agents.py satur mazāk nekā 1 000 rindiņas. Tomēr mēs īstenojam vairākas agentu tipiskas: CodeAgent raksta savas darbības kā Python kodu fragmentus, un klasiskāka ToolCallingAgent izmanto iebūvētos rīku izsaukšanas metodes. Mums ir arī vairāku agentu hierarhijas, iespēja importēt no rīku kolekcijām, attālinātais koda izpildīšanas režīms, redzes modeļi... Pēc tam, kāpēc vispār izmantot struktūru? Tāpēc, ka lielākā daļa no šāda veida lietas nav vienkārša. Piemēram, koda agents ir jāuztur konsekvents kods visā sistēmas uzvednē, tā parserī, izpildē. Tāpēc mūsu struktūra pārvaldīs šo sarežģītību jums. Bet protams, mēs joprojām iedrošinām jūs piekļūt avota kodam un izmantot tikai vajadzīgās daļas, izslēdzot visu pārējo.

Asked by Ludovic Girard · Nov 27, 2025

Kā darbojas kodu agenti?

Mūsu CodeAgent galvenokārt darbojas līdzīgi par klasiskajiem ReAct agentiem – izņēmums ir tas, ka LLM dzīves motoru veido to darbības kā Python koda fragmentus. Darbības tagad ir Python koda fragmenti. Tādējādi rīku izsaukumi tiks veikti kā Python funkcijas izsaukumi. Piemēram, šeit tiek parādīts, kā agents var veikt tīkla meklēšanu vairākos mājaslapās vienā darbībā: rakstot darbības kā koda fragmentus, tas demonstrē, ka tas darbojas labāk nekā pašreizējā nozares prakse, ļaujot LLM izvadīt rīku sarakstu, ko tas vēlas izsaukt: izmanto 30 % mazāk soli (tāpēc arī 30 % mazāk LLM izsaukumu) un sasniedz augstāku veiktspēju sarežģītājos testos. Iekļūsti mūsu augstākā līmeņa ievadā par agentiem, lai uzzinātu vairāk. Tā kā kodu izpilde var radīt nopietnu drošības risku (arbitrary kodu izpilde!), tev vajadzētu palaist aģentu kodu sandboxā. Mēs atbalstām vairākas iespējas: E2B, Blaxel, Modal – pārvaldītie mākoņsandboxes, vienkāršākais ir Docker — pašsaglabāts konteineru izolēšana. Iebūvētā LocalPythonExecutor nav drošības sandbox. Tas piemēro dažus ierobežojumus, bet var tikt apieti un nav jāizmanto kā drošības robeža. Pievienot CodeAgent ir arī standarta ToolCallingAgent, kas raksta darbības kā JSON/teksta blobus. Tu vari izvēlēties to stilu, kas vislabāk atbilst tavai lietošanas gadījumam.

Asked by Greta Nowak · Oct 31, 2025