From Prompt to Harness: Coderlet from Scratch
本文介绍了“Coderlet”，一种紧凑且可执行的测试框架设计，它通过定义模型、执行与状态之间的边界及生命周期转换，明确了系统架构在编程智能体中的关键作用，从而有效地将模型生成内容转化为具有持续反馈和状态持久性的环境动作。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你刚刚构建了一个极其出色、超智能的机器人大脑。它能编写代码、解决数学问题，甚至还能讲笑话。但有一个限制：这个大脑就像一个住在密封玻璃盒里的天才。它可以思考，但无法触碰外部的任何东西。它不能打开一个文件，不能运行一个程序，也不能观察它的代码是否真的奏效。为了让这个大脑成为一个能够完成任务的真正的“智能体”（agent），你需要一个中间人。把这个中间人想象成一个超级组织化、集舞台监督、翻译官和记录员于一身的角色。在人工智能的世界里，这个中间人被称为“控制架”（harness）。没有它，大脑灿烂的想法就只是在空中漂浮的文字。有了它，这些文字就变成了行动，而行动的结果会被反馈给大脑，让它学习并持续进行下去。这就是将静态模型转变为能够在这个真实世界中航行的动态智能体的魔力。
Mengfan Li 的论文《从提示词到控制架：从零开始构建 Coderlet》（From Prompt to Harness: Coderlet from Scratch）深入探讨了究竟如何构建这个“舞台监督”。作者并没有迷失在庞大生产系统那复杂、混乱的代码中，而是构建了一个微型、简洁且透明的版本，称之为 Coderlet。其核心发现是：一个优秀的智能体之秘诀不仅在于拥有一个更聪明的脑子，更在于拥有一个清晰、有组织的流程，将三项不同的工作分开：与大脑对话、执行工作以及记住发生的事情。
该论文指出，许多现有的系统就像一个缠绕在一起的毛线球，让人无法分辨谁做了什么或为什么要这么做。Coderlet 通过创建三个清晰的“边界”来理清这一切。首先是模型边界（Model Boundary），在这里大脑接收指令并传回想法。第二是执行边界（Execution Boundary），在这里，那些想法会被进行安全性检查，然后被实际执行（比如打开一个文件或运行一个命令）。第三是状态边界（State Boundary），它是长期记忆，负责保存发生的故事，以便大脑稍后可以回想起来。
作者展示了通过保持这三个区域既独立又相互连接，你可以创建一个更容易理解和修复的系统。如果出了问题，你能够准确知道是链条中的哪一部分断裂了：是大脑给出了一个坏主意？是工具运行失败了？还是记忆未能保存好故事？论文建议，这种清晰的结构允许一种被称为“引导”（bootstrapping）的过程。这就像是一个机器人教自己如何成为一个更好的机器人。一旦基本循环开始运作，机器人就可以利用自己的工具来查看自己的代码，寻找改进其组织思想方式的方法，然后将这些改进保存下来，供下次工作时使用。这是一个自我改进的循环，但它只有在“控制架”建立在坚实、透明的基础之上时才能奏效。这篇论文并不声称这是所有人工智能的最终、完美的解决方案，但它提供了一个清晰、可行的蓝图，指导如何构建驱动这些智能体运行的引擎。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。