CodeAct 是什么？让 Agent 执行代码和调用工具有什么区别？

知识点详解：代码怎样变成一次 Agent 动作？

先区分“给你代码”和“用代码做事”

假设用户说：“整理这十份测试报告，告诉我哪些接口反复失败。”

普通代码生成助手可以给出一个脚本，用户再复制运行。助手未必知道脚本是否真的读到了报告、输出了什么。

CodeAct 的动作进入了执行闭环：模型生成代码，环境执行，模型拿到输出，再决定是否继续。

原始论文讨论的是用可执行 Python 代码组织动作，并利用执行反馈完成后续处理。它不是“用了代码”这个标签，也不能据此判断某个产品实现了论文中的全部机制。

为什么代码更容易表达组合？

假设我们已经允许读取指定目录里的报告。

模型可以在一段代码里遍历文件，解析每份报告，筛选失败记录，最后按接口名称分组。循环、条件和数据处理都在同一段动作里。

如果应用只暴露“读取一份报告”的工具，模型可能需要多次调用，再另外组织汇总。代码可以减少某些往返，也能使用现有数据处理库。

但是，少一次模型调用不等于一定更快。代码启动、依赖准备、报告解析和重试都消耗时间；一段过长的动作也会让错误位置更难观察。

所以，比较时要用同一批任务，而不是看到代码能写循环，就直接判断它优于工具调用。

执行器要给模型什么反馈？

模型需要知道代码做到了哪里。

读取成功时，可以返回必要的数据摘要和输出位置。执行失败时，可以返回明确错误，例如文件不存在、字段缺失或者运行超时，帮助它判断该改代码还是补资料。

不过，原始输出不能无限量回填。十份报告可能有很长日志，运行器可以保留完整文件，只把与当前问题有关的片段交给模型。

敏感信息也不能因为进入了终端输出，就自动获得对话展示权限。环境里能访问什么、结果里能返回什么，需要分别设计。

为什么不能直接给它整台机器？

代码能够组合动作，也意味着它能组合危险动作。

如果模型可以访问任意目录、网络和凭据，一段看起来只是“整理报告”的代码，也可能删除文件或把数据发送出去。限制只写在提示词里，执行环境仍然不会自动变安全。

在当前假设场景里，可以只挂载报告目录，使用只读权限，设置运行时限与输出上限。确实需要写入时，再开放专门的输出目录。

需要调用外部系统的动作，可以通过受控函数或工具实现。这些能力自己检查身份和参数，不让代码自行寻找系统凭据。

一次执行成功，怎样确认任务真的完成？

脚本可能正常退出，却跳过了损坏的报告。它也可能把同一条失败重复统计，或者把不同版本的测试混在一起。

因此，验收应检查输入覆盖、字段含义和输出结果。例如明确这次有十份报告，统计是否覆盖十份，无法解析的文件有没有单独列出。

测试还要包含异常报告、空文件和重复记录。看 Agent 能不能解释未完成部分，是否在失败后守住同样的权限边界。

面试官继续追问

有了代码执行器，还需要查询工具吗？

需要时保留。查询工具能封装稳定业务语义和权限，代码负责组合与处理。没有必要让模型重新实现每个业务接口。

代码报错以后，让模型自动重写就够了吗？

先识别失败性质。语法错误可以修正，权限拒绝不应通过改路径绕过。连续失败还要受到时间和次数预算限制。

TypeScript 也能采用这种思路吗？

可以构建代码动作与反馈闭环，但论文提出的方法以 Python 为主。TypeScript 需要自己的隔离环境与工具约定，不能把换了语言称为同一套官方实现。

面试速记卡

• CodeAct：用可执行代码表达动作，并读取执行反馈。
• 组合能力：循环、条件和数据处理可以在一段动作中完成。
• 执行边界：文件、网络、凭据、时间和输出分别限制。
• 工具配合：稳定能力通过受控接口提供，代码负责组合。
• 完成标准：核对任务结果，不只检查进程退出码。