学习目标

构建能自动写代码、运行代码、从错误中学习的 Agent。

---

6.1 代码执行 Agent (code_execution_agent.py)

核心：Python REPL 工具

@tool
def python_repl(code: str) -> str:
    """执行 Python 代码并返回结果"""
    # 安全限制：只允许导入白名单中的模块
    stdout = io.StringIO()
    exec(code, {"__builtins__": __builtins__})
    return stdout.getvalue()

错误自修正循环

Agent 写代码 → 执行 → 报错 → Agent 读取错误 → 修复代码 → 重新执行 → 成功

这是 Agent 最令人惊叹的能力之一：它会自己 Debug！

安全机制

- 模块白名单：只允许导入 math, numpy, pandas 等安全模块

- 输出捕获：stdout/stderr 重定向

- 迭代上限：防止无限循环

---

6.2 数据分析流水线 Agent (data_pipeline_agent.py)

流程

数据加载 → 探索性分析 → 数据清洗 → 统计分析 → 可视化 → 报告

工具设计

@tool
def analyze_dataframe(code: str) -> str:
    """用 pandas 分析数据。变量 df 是当前数据集。"""

@tool
def generate_plot(plot_code: str) -> str:
    """生成 matplotlib 图表。"""

使用示例

用户: "加载 benchmark 数据，找出 mAP 最高的 3 个模型"
Agent:
  1. 调用 analyze_dataframe('print(df.nlargest(3, "mAP"))')
  2. 调用 generate_plot('df.plot.bar(x="model", y="mAP")')
  3. 给出分析结论

---

6.3 其他自动化 Agent 类型

网页浏览 Agent

@tool
def fetch_webpage(url: str) -> str:
    """抓取网页内容"""
    response = requests.get(url)
    soup = BeautifulSoup(response.text, "html.parser")
    return soup.get_text()

文件系统 Agent

@tool
def list_files(path: str) -> str:
    """列出目录文件"""

@tool
def read_file_content(path: str) -> str:
    """读取文件内容"""

---

Module 6 核心总结

能力	实现方式
代码执行	Python REPL tool + exec() + 输出捕获
错误自修正	错误信息反馈 → Agent 重写代码
数据分析	pandas tool + matplotlib tool
安全保护	模块白名单 + 操作确认 + 迭代上限