声明：本篇博客是以吴恩达的【Agent智能体】教程为基础，并对其中的内容做了笔记整理以及个人收获的总结。
结合代码执行的规划，指的是不再让LLM直接输出计划，比如说，不是让它以JSON格式输出，逐行执行每一步。
可以直接让LLM编写代码，这样代码可以涵盖计划中的多个步骤，比如调用这个函数，再调用那个函数等等。
通过LLM生成的代码，实际上可以执行相当复杂的计划，下面我们看看，什么情况下可能会用到这种技术！
使用工具进行规划的挑战
假设你想基于一份包含数据的电子表格，构建一个能回答咖啡机销售问题的系统。
用户提问：“哪个月的热巧克力销量最高？“你可以使用这些工具来回答这个问题，如图右下角。但是我们不难发现，过程是相当复杂的！
- 步骤 1 & 2：先用
filter_rows筛出 1 月份的热巧克力，再用get_column_mean算平均销售额。 - 步骤 3 & 4：重复上述动作，筛出 2 月份，算平均值。
- 步骤 5：LLM 被迫输出（或系统被迫执行）针对 3 月到 12 月的无聊重复。如果展开，这至少需要 24 步单独的工具调用。
- 步骤 6：最后再把这 12 个结果拿出来进行比对。
更复杂的提问如下：
- 如果有人问上周有多少笔独特的交易这些工具根本无法给出答案，这样你可能需要重新构建一个工具。
- 或者有人问：”最近几笔交易的金额是多少？“这样你又得创建一个新的工具。
- 我们不难发现，这样每出现一个需求就创建新工具的方式是复杂且低效的
更好的解决方案
这个图呈现了如何通过系统提示词（System Prompt）引导大语言模型（LLM）直接输出可执行的代码，从而一次性解决用户的复杂问题
系统提示词
预设的指令：
“Write code to solve the user’s query. Return your answer as python code delimited with
<execute_python>and</execute_python>tags.”（编写代码来解决用户的查询。将你的答案作为 Python 代码返回，并用<execute_python>标签包裹。）这个提示词做到了两件事：
- 改变输出范式：告诉 LLM 不要输出自然的对话文本，也不要输出零碎的 JSON 工具调用计划，而是直接写代码。
- 方便系统拦截：通过特定的 XML 标签
<execute_python>，外部的 Agent 框架系统可以精准地使用正则表达式提取出这段代码，并直接丢进沙盒环境运行。
实际运作流程
- 用户输入（红色框）：“最后 5 笔交易的金额是多少？”（What were the amounts of the last 5 transactions?）
- 大模型生成（灰色框）：LLM 接收到问题后，立刻调动了其内部的编程知识，输出了一套完整的、逻辑严密的解决方案。
代码逻辑拆解
右侧灰色框生成的 Python 代码：
- 加载数据：
pd.read_csv一句话搞定数据读取。 - 数据清洗：
pd.to_datetime确保日期格式正确。 - 排序逻辑：
sort_values(ascending=False)直接按时间倒序排列，把最新的交易顶到前面。 - 截取目标：
.head(5)干净利落地切出前 5 行。 - 输出结果：提取
price列并打印。
- 加载数据：
传统工具调用为了找“最后5笔”，可能要调用“获取列表”->“按日期排序工具”->“切片工具”。而这里，LLM一次思考，一次输出，整个规划都在这段脚本里完成了。
依靠 Python 和 Pandas 生态，过滤、聚合、时间序列处理等复杂逻辑都可以轻松实现，不需要开发者去手写几十个琐碎的专属工具。
这些函数 LLM见过很多调用场景，所以让你的LLM来写代码时，它能从这些数百上千个相关函数中选择，因为它已经见过很多调用数据
所以它能把这个大型库里的不同函数串联起来，来制定一个应对复杂查询的方案。
再看一个问题（有人问上周有多少笔独特的交易）
跟上个图除了系统提示词以外其他都一样，看一下**代码逻辑拆解**
步骤一：预处理时间数据
df = pd.read_csv(..., parse_dates=["date"])LLM 非常聪明地在读取 CSV 时，顺手就把文本格式的日期转换成了标准的时间格式，为后面的计算铺路。步骤二：动态计算时间窗口
today=pd.Timestamp.today()week_ago=today-pd.Timedelta(days=7)自己写出了时间戳的减法逻辑，定义了“上周”的时间边界。
步骤三：数据过滤
last_week = df[df["date"].between(week_ago, today)]一句代码，把目标时间段的数据切片拿了出来。步骤四：去重并计数
print(last_week.drop_duplicates().shape[0])直接调用内置的drop_duplicates()删掉重复项，然后用.shape[0]获取最终的行数（也就是笔数）并打印。
对于可以通过编写代码完成的任务，让LLM用软件代码表达方案 并直接执行，是一种让它制定丰富计划的强大方式。
当然在工具使用模块提到的注意事项也适用：比如你需要考虑寻找安全的执行环境 如沙箱。虽然这可能不是最佳实践，但也有很多开发者并没有用沙箱，事实证明用代码规划效果很好，看下文。
使用代码进行规划可以提高性能
- 三种 Action Mode
- Text as Action（纯文本 - 紫色条）：模型直接输出自然语言来描述它想做什么。这是最原始、最不精确的方式，系统很难解析并自动化执行。
- JSON as Action（JSON格式 - 粉色条）：这就是第一张图里那种传统的工具调用（Tool Calling）模式。模型输出结构化的 JSON 数据来调用预设的 API 或函数。
- Code as Action（代码执行 - 绿色条）：这对应第二张图的模式，模型直接编写完整的 Python 等可执行代码来解决问题。
观察图表中的柱状图长度和虚线的趋势，我们可以得出极其明确的结论：“Code as Action”（绿色条）在所有测试的模型中都取得了最高的任务成功率（Successful task completion rate）。
- 对于顶级模型（如 GPT-4 家族）：提升最为显著。以最上面的
gpt-4-1106-preview为例，使用传统的 JSON 工具调用时，成功率在 50% 左右；但切换到代码执行后，成功率飙升到了 70% 以上，实现了质的飞跃。 - 跨模型的普适性：无论是强如 Claude-2、GPT-4，还是相对较小的开源模型（如最下方的 Llama-2-70b），绿色的柱子永远是最长的。这说明“用代码规划”不是某个特定模型的专利，而是一种降维打击般的范式优势。
总结
事实证明 如果你让这些高级智能编程辅助工具为你编写复杂软件，它可能会先制定详细计划 先构建软件的某个组件，再构建第二个，甚至可能在过程中规划测试这些组件，接着形成一个清单，按步骤逐一执行。
这种方式在构建越来越复杂的软件时效果非常好，对于其他应用场景，规划的使用还在不断增长和发展，规划的一个缺点是：开发者没有明确告诉系统具体要做什么 因此控制起来会稍微困难一些，而且你无法提前预知运行时会发生什么 ，但放弃部分控制权，确实能显著扩大模型可能尝试的方案范围，所以这项重要技术算是前沿领域，且有很大的上升空间！
如果这篇文章对你有帮助，欢迎点赞、评论、关注、收藏。你们的支持是我前进的动力！
