AutoAct

从零自动训练问答智能体，无需人工设计流程

AutoAct 是一个基于 ACL 2024 论文的自动化智能体学习框架，旨在解决大型语言模型（LLM）在问答任务中依赖人工设计智能体或昂贵标注数据的问题。它通过自我规划（Self-Planning）机制，让模型从零开始自动生成并优化智能体的工具调用策略，无需外部监督或预定义流程。核心能力包括：自动构建工具使用计划、动态调整推理步骤、以及通过少量示例即可适配新任务。项目提供完整的训练和推理代码，支持主流LLM（如Llama、GPT系列），并包含多个基准测试的复现脚本。其创新点在于将智能体学习过程完全自动化，降低部署门槛，适合研究者和开发者快速验证自主智能体在问答场景中的效果。