Zelfbouwende Agent: Een Experiment met LangChain4j
OpenAI
Een experiment waarbij een code-assistent de documentatie van LangChain4j gebruikt om een zelfkopiërende agent te bouwen. Het resulterende systeem kan bugs verhelpen en tests doorstaan, maar faalt aanvankelijk met GPT-4o en slaagt met GPT-5-mini. De workflow-gebaseerde aanpak bleek drie keer sneller te zijn dan de supervisor-gebaseerde aanpak.
Het team van InfoQ China voerde een meta-experiment uit: ze gaven een code-assistent de LangChain4j-documentatie en vroegen het om die documentatie te gebruiken om een agent te bouwen die code kon schrijven, testen en debuggen. De code-assistent ontwierp een multi-agentsysteem op basis van het supervisorpatroon, met vier subagenten: ExplorerAgent, PlannerAgent, ImplementerAgent en ExecutorAgent. Deze eerste iteratie werkte indrukwekkend en imiteerde het patroon van professionele code-assistenten. Om het te testen, lieten ze het bugs oplossen in een Calculator-klasse met vier defecte methoden. Aanvankelijk faalde het systeem met de fout 'exceeded 100 sequential tool invocations' bij gebruik van OpenAI's GPT-4o. Na overschakeling op GPT-5-mini loste het systeem met succes alle bugs op en draaide 11 tests met 0 mislukkingen. Ze onderzochten ook een workflow-gebaseerd alternatief, dat een reeks van vijf stappen gebruikte met loops voor planning en uitvoering, inclusief een SummarizerAgent. Dit alternatief loste ook de bugs op, maar was drie keer sneller dan de supervisor-gebaseerde versie; het duurde slechts twee minuten tegenover meer dan zes minuten. Het project is beschikbaar in een openbare code repository.
Bron: InfoQ 中国 —
origineel