现在大多数 AI Agent 都基于 ReAct:
“AI 逐步思考,每一步调用一个工具”
但这个思路存在几个问题:
1. 工具调用是串行的,多轮交互效率低
2. LLM 缺乏全局视角,难以规划完整流程
于是我想, 能否让 AI 一次性生成一个脚本,把逻辑和工具一次性规划清楚?
一次规划,批量执行
我调研了目前的主流方案:
1. CodeAct:让 AI 直接写 Python,但沙盒不易构建,更无法部署在链上环境
2. BAML:结构化函数调用良好,但仍需外部流程控制,偏向 prompt 工程
3. DSPy:适合 Python 环境的模块组合,但不是面向 AI 的 DSL
结论:都不够“脚本化”。
目标是:
1. AI 能直接生成
2. 有逻辑判断(IF、变量、函数)
3. 可跨平台解释执行,包括智能合约环境
比如下面这个例子:
用户说:「请评估一下当前 BTC 是否值得抄底?如果值得就抄一些」
在 ReAct 模式中,AI 会这样执行:
1. 调用工具获取 BTC 当前价格
2. 再决定是否执行 swap
这个价格 70000 是 AI 根据历史数据 + 主观判断得出的估值。当然这个里面还可以包含更复杂的逻辑,比如根据当前的 USDT 余额来决定购买的数量等。
这段脚本里已经包含了:
1. 工具调用(get_price、swap)
2. 条件判断
3. 执行逻辑
4. 无需二