Selbstbauender Agent: Ein Experiment mit LangChain4j
OpenAI
Ein Experiment, bei dem ein Code-Assistent mithilfe der LangChain4j-Dokumentation einen selbstklonenden Agenten aufbaut. Das resultierende System kann Fehler beheben und Tests bestehen, scheitert jedoch zunächst mit GPT-4o und gelingt mit GPT-5-mini. Der workflowbasierte Ansatz erwies sich als dreimal schneller als der supervisorbasierte.
Das Team von InfoQ China führte ein Meta-Experiment durch: Sie gaben einem Code-Assistenten die LangChain4j-Dokumentation und baten ihn, mithilfe dieser Dokumentation einen Agenten zu entwickeln, der Code schreiben, testen und debuggen kann. Der Code-Assistent entwarf ein Multi-Agenten-System auf Basis des Supervisor-Musters mit vier Unteragenten: ExplorerAgent, PlannerAgent, ImplementerAgent und ExecutorAgent. Diese erste Iteration funktionierte beeindruckend und imitierte das Muster professioneller Code-Assistenten. Um es zu testen, ließen sie es Fehler in einer Calculator-Klasse mit vier fehlerhaften Methoden beheben. Zunächst scheiterte das System unter Verwendung von OpenAI GPT-4o mit einem Fehler 'exceeded 100 sequential tool invocations'. Beim Wechsel auf GPT-5-mini gelang es dem System, alle Fehler zu beheben und 11 Tests mit 0 Fehlschlägen durchzuführen. Sie untersuchten auch eine alternative, workflow-basierte Variante, die eine Sequenz von fünf Schritten mit Schleifen für Planung und Ausführung nutzte, einschließlich eines SummarizerAgent. Diese Alternative behob ebenfalls die Fehler, lief jedoch dreimal schneller als die supervisor-basierte Version und benötigte nur zwei Minuten gegenüber über sechs Minuten. Das Projekt ist in einem öffentlichen Code-Repository verfügbar.
Quelle: InfoQ 中国 —
Original