Agente Autoconstruible: Un Experimento con LangChain4j
OpenAI
Un experimento en el que un asistente de código utiliza la documentación de LangChain4j para construir un agente que se clona a sí mismo. El sistema resultante puede corregir errores y pasar pruebas, pero inicialmente falla con GPT-4o, teniendo éxito con GPT-5-mini. El enfoque basado en flujos de trabajo resultó ser tres veces más rápido que el basado en supervisores.
El equipo de InfoQ China llevó a cabo un metaexperimento: le dieron a un asistente de código la documentación de LangChain4j y le pidieron que usara esa documentación para construir un agente capaz de escribir, probar y depurar código. El asistente de código diseñó un sistema multiagente basado en el patrón de supervisor, con cuatro subagentes: ExplorerAgent, PlannerAgent, ImplementerAgent y ExecutorAgent. Esta primera iteración funcionó de manera impresionante, imitando el patrón de los asistentes de código profesionales. Para probarlo, le pidieron que corrigiera errores en una clase Calculadora con cuatro métodos defectuosos. Inicialmente, usando GPT-4o de OpenAI, el sistema falló con un error de 'se superaron las 100 invocaciones secuenciales de herramientas'. Al cambiar a GPT-5-mini, el sistema corrigió todos los errores y ejecutó 11 pruebas con 0 fallos. También exploraron una alternativa basada en flujos de trabajo, que usaba una secuencia de cinco pasos con bucles para la planificación y la ejecución, incluido un SummarizerAgent. Esta alternativa también corrigió los errores, pero fue tres veces más rápida que la versión basada en supervisor, tardando solo dos minutos en comparación con más de seis. El proyecto está disponible en un repositorio público de código.
Fuente: InfoQ 中国 —
original