Agente Autoconstruído: Um Experimento com LangChain4j
OpenAI
Um experimento em que um assistente de código usa a documentação do LangChain4j para construir um agente autoclone. O sistema resultante consegue corrigir bugs e passar nos testes, mas inicialmente falha com o GPT-4o, tendo sucesso com o GPT-5-mini. A abordagem baseada em fluxo de trabalho mostrou-se três vezes mais rápida do que a baseada em supervisor.
A equipe da InfoQ China conduziu um meta-experimento: eles deram a um assistente de código a documentação do LangChain4j e pediram que ele usasse essa documentação para construir um agente capaz de escrever, testar e depurar código. O assistente de código projetou um sistema multiagente baseado no padrão supervisor, com quatro subagentes: ExplorerAgent, PlannerAgent, ImplementerAgent e ExecutorAgent. Essa primeira iteração funcionou de forma impressionante, imitando o padrão de assistentes de código profissionais. Para testá-lo, eles o usaram para corrigir bugs em uma classe Calculadora com quatro métodos defeituosos. Inicialmente, usando o GPT-4o da OpenAI, o sistema falhou com um erro de 'excedeu 100 invocações sequenciais de ferramentas'. Mudando para o GPT-5-mini, o sistema corrigiu todos os bugs com sucesso e executou 11 testes com 0 falhas. Eles também exploraram uma alternativa baseada em fluxo de trabalho, que usava uma sequência de cinco etapas com loops para planejamento e execução, incluindo um SummarizerAgent. Essa alternativa também corrigiu os bugs, mas foi três vezes mais rápida que a versão baseada no supervisor, levando apenas dois minutos em vez de mais de seis. O projeto está disponível em um repositório de código público.
Fonte: InfoQ 中国 —
original