Agent不存在了？谁说必须用 Agent！

今天给家人们分享一下AgentLess，这个舆论比较高的研究工作。。

AGENTLESS : Demystifying LLM-based Software Engineering Agents

AI编程在最近几个月非常火热，像Devin这种自主Agent，已经可以完成端到端的软件开发任务。最新的Agent基本具备了使用工具、执行命令、观察环境反馈并规划下一步行动的能力。

但是，这些基于 Agent 的方法往往非常复杂，而且当前 LLM 的能力也存在局限性。这就引出了一个问题：我们真的需要如此复杂的自主 Agent 吗？

所以，这个研究工作，研究了一种无需 Agent 的方法，来自动解决软件开发中的问题。与那些复杂的基于 Agent 的方法相比，AGENTLESS 采用了一种简单的三阶段工作流：定位问题、修复问题和验证修复。整个过程没有让 LLM 自主决策后续步骤或操作复杂工具。

AGENTLESS 的核心思想：大道至简

作者们发现无需复杂的自主规划和工具调用，仅仅依靠简单的流程也能高效解决软件问题。AGENTLESS 的工作流程如下：

1. 精确定位问题：

• 首先，AGENTLESS将代码仓库转化为树状结构，清晰展示文件之间的相对位置。
• 接着，结合问题描述，AGENTLESS利用 LLM 和嵌入式检索技术，定位最有可能需要修改的文件。
• 然后，AGENTLESS进一步缩小范围，定位到文件内的具体类、函数和变量。
• 最后，AGENTLESS精确到代码的编辑位置，例如具体的代码行。

2. 高效修复问题：

• AGENTLESS 从定位好的代码片段中提取上下文信息，作为 LLM 的输入。
• 接着，AGENTLESS 指示 LLM 生成多个候选补丁，每个补丁都是一个简单的 “查找/替换” 格式的差异文件。这样不仅可以降低成本，还能提高修复的可靠性和准确性。

3. 验证修复：

• AGENTLESS 指示 LLM 生成重现测试用例，用于验证原始问题是否已经修复。
• 然后，AGENTLESS 利用重现测试和现有的回归测试，对候选补丁进行筛选和排序。
• 最后，AGENTLESS 选择排名最高的补丁，作为最终的修复方案。

AGENTLESS 的惊艳表现

使用 SWE-bench Lite 基准数据集对 AGENTLESS 进行评估。结果令人惊讶：

• 性能卓越：AGENTLESS的修复成功率达到了 32.00%，成功修复 96 个问题，在所有开源方法中名列前茅！
• 成本极低：平均每个问题的修复成本仅为 0.70 美元，远低于其他大多数开源软件Agent。
• 已被业界采用：AGENTLESS的简单和高效也赢得了业界的青睐，它已经被 OpenAI 采用，用于展示 GPT-4o 和 OpenAI o1 模型在真实世界编码方面的性能。

AGENTLESS 证明了，简单的工作流也能高效解决复杂的软件开发问题。这是否意味着不应一味追求复杂，而是应该从本质出发，探索更简单、更有效的方法。

最后，AGENTLESS 已经开源，地址为https://github.com/OpenAutoCoder/Agentless

本文转载自​​探索AGI​​，作者： 猕猴桃 ​​​​