CodeAct

概述

CodeAct是由Wang等人提出的概念，主张使用可执行的Python代码作为LLM代理动作的统一表示形式，以替代传统的结构化JSON或自然语言动作。该方法在15/17任务上表现最优，平均提升20%以上。

关键内容

1. 核心理念：
2. Python代码是最优的动作格式，相比JSON和自然语言具有更强的表达力、可执行性和可组合性

3. 代码原生支持状态传递、条件分支、循环和函数组合

4. 技术优势：

5. 表达力：Python > JSON > 自然语言
6. 可执行性：Python = JSON > 自然语言
7. 可组合性：Python >> JSON >> 自然语言

8. 状态传递：直接引用中间结果，无需特殊变量绑定机制

9. 实验验证：

10. 在17个多样化任务上比较了Text、JSON和CodeAct三种动作格式
11. CodeAct在15/17任务上表现最优，显著优于其他方法

12. 关键优势在于中间结果的直接引用和复杂的控制流表达

13. 工程意义：

14. 现代.skill文件倾向于包含可执行代码模板
15. 代码模板让代理可以直接组合和执行技能，无需中间解析层
16. 为"代码即技能"的统一范式提供了理论支撑

来源

• llm-skill-research-series.md — LLM Skill研究系列
• Paper — "Executable Code Actions Elicit Better LLM Agents", ICML 2024

相关

• LLM-Skill-技术全景 — relates_to
• Tool-Use — relates_to
• Code-as-Action — relates_to
• Unified-Action-Space — relates_to
• Python-Execution — relates_to