busy-agent 0.1.0

模拟 ReAct Agent 工作过程 - Simulate ReAct Agent working process

Busy Agent 🤖

在 LLM Agent 时代假装很忙！

这是一个有趣的项目，通过读取 react-llama 数据集的 trajectory，以 ReAct Agent 的风格逐步打印 Agent 的思考和执行过程，让你看起来像是在运行一个真实的 AI Agent。

特性

• 🎨 彩色输出: 使用 ANSI 颜色代码，让输出更加美观
• ⌨️ 打字机效果: 逐字符打印，模拟真实的思考过程
• ⏳ 加载动画: 显示"思考中..."、"执行中..."等动画效果
• 🔄 ReAct 风格: 完整展示 Thought → Action → Observation 的推理循环
• 🎲 随机选择: 从 3538 条 trajectory 中随机选择展示
• 🚀 多种模式: 支持快速模式、循环模式等
• 🎯 智能答案生成: 基于配置的成功率和意外事件，智能生成正确或错误答案
• 🤖 LLM as Judge: 模拟 LLM 评分系统，对答案质量进行评分
• 📊 可观测指标: 实时显示成功率、耗时、步骤数、意外事件等关键指标
• 🌍 多语言支持: 支持中文和英文界面切换

安装

pip install -r requirements.txt

使用方法

基本使用

运行程序，随机显示一个 trajectory：

python busy_agent.py

快速模式

跳过动画效果，快速显示（适合测试）：

python busy_agent.py --fast

指定索引

显示特定索引的 trajectory：

python busy_agent.py --index 0

循环模式

持续显示随机 trajectory，假装一直在忙：

python busy_agent.py --loop

自定义循环间隔时间（秒）：

python busy_agent.py --loop --delay 5.0

模型选择

选择不同的 AI 模型（类似 Claude 的三档模型系统）：

qwen-flash（快速模型）：

python busy_agent.py --model qwen-flash

qwen-plus（平衡模型，默认）：

python busy_agent.py --model qwen-plus

qwen-max（最强模型）：

python busy_agent.py --model qwen-max

程序会在启动时显示当前使用的模型，不同模型使用不同颜色区分。

配置文件

程序使用 config.json 配置文件来管理延迟时间和显示参数。你可以根据需要调整这些参数来控制 Agent 的"忙碌"程度。

配置项说明

模型配置 (model):

• default: 默认使用的模型，可选 qwen-flash、qwen-plus、qwen-max
• available_models: 可用的模型列表及其配置

延迟时间配置 (delays):

• thinking.min / thinking.max: 思考延迟时间范围（秒），默认 2.0-5.0 秒
• executing.min / executing.max: 执行动作延迟时间范围（秒），默认 3.0-6.0 秒

打字机效果配置 (typewriter):

• thought_speed: 思考内容的打字速度（每字符延迟），默认 0.02 秒
• action_speed: 动作内容的打字速度，默认 0.015 秒
• observation_speed: 观察内容的打字速度，默认 0.005 秒

显示配置 (display):

• observation_max_length: 观察内容的最大显示长度，默认 500 字符

打印模式配置 (print_modes):

• switch_interval: 每N步切换一次打印模式，默认 10 步
• modes: 可用的打印模式（smooth、chunky、slow、instant）

意外事件配置 (incidents):

• model_disconnect: 模型断连配置
  • enabled: 是否启用，默认 true
  • probability: 触发概率，默认 0.15 (15%)
  • max_retries: 最大重试次数，默认 2
• action_timeout: 动作超时配置
  • enabled: 是否启用，默认 true
  • probability: 触发概率，默认 0.1 (10%)
  • max_retries: 最大重试次数，默认 3

成功率配置 (success_rate):

• target_rate: 目标成功率，默认 0.75 (75%)
• incident_penalty: 意外惩罚系数，默认 0.3 (发生意外时增加30%失败概率)
• wrong_answer_strategies: 错误答案生成策略
  • unable_to_determine: 无法确定类答案（权重 0.4）
  • reasoning_failed: 推理失败类答案（权重 0.3）
  • wrong_guess: 随机错误答案（权重 0.3）

LLM评分配置 (llm_judge):

• enabled: 是否启用 LLM as Judge 评分，默认 true
• correct_answer_score: 正确答案评分范围，默认 8.5-10.0
• wrong_answer_score: 错误答案评分范围，默认 2.0-6.0

指标跟踪配置 (metrics):

• track_success_rate: 是否跟踪成功率，默认 true
• track_time: 是否跟踪耗时，默认 true
• track_steps: 是否跟踪步骤数，默认 true
• track_retries: 是否跟踪重试次数，默认 true
• track_incidents: 是否跟踪意外事件，默认 true

配置示例

{
  "model": {
    "default": "qwen-plus",
    "available_models": {
      "qwen-flash": {
        "display_name": "Qwen-Flash",
        "tier": "flash"
      },
      "qwen-plus": {
        "display_name": "Qwen-Plus",
        "tier": "plus"
      },
      "qwen-max": {
        "display_name": "Qwen-Max",
        "tier": "max"
      }
    }
  },
  "delays": {
    "thinking": {
      "min": 2.0,
      "max": 5.0
    },
    "executing": {
      "min": 3.0,
      "max": 6.0
    }
  },
  "typewriter": {
    "thought_speed": 0.02,
    "action_speed": 0.015,
    "observation_speed": 0.005
  },
  "display": {
    "observation_max_length": 500
  }
}

输出示例

程序会以 ReAct 风格输出 Agent 的推理过程：

🤖 ReAct Agent 工作中...
================================================================================

❓ 问题:
Since 2017 Nick Ayers has been Chief of Staff to a man that served as governor of what state?

🔄 开始推理过程...

💭 Thought 1: I need to search Nick Ayers, find who he is chief of staff to...
⚡ Action 1: Search[Nick Ayers]
📊 Observation 1: James Nicholas Ayers (born August 16, 1982) is an American...

💭 Thought 2: Nick Ayers is chief of staff to Mike Pence...
⚡ Action 2: Search[Mike Pence]
📊 Observation 2: Michael Richard Pence (born June 7, 1959) is an American...

💭 Thought 3: Mike Pence was governor of Indiana...
⚡ Action 3: Finish[Indiana]

✅ 最终答案: Indiana

项目结构

busy-agent/
├── busy_agent.py          # 主程序
├── config.json            # 配置文件（延迟时间、打字速度等）
├── datasets/
│   └── react-llama.parquet  # ReAct trajectory 数据集
├── explore_dataset.py     # 数据集探索脚本
├── view_trajectory.py     # 查看 trajectory 示例
├── requirements.txt       # Python 依赖
└── README.md             # 项目说明

数据集

项目使用 react-llama 数据集，包含 3538 条 ReAct 风格的 trajectory。每条数据包括：

• question: 问题
• correct_answer: 正确答案
• trajectory: 完整的推理过程（Thought → Action → Observation）

技术实现

• 解析: 使用正则表达式解析 trajectory 文本
• 打字机效果: 逐字符打印，模拟真实输入
• 加载动画: 使用 Unicode 字符创建旋转动画
• 颜色输出: ANSI 转义序列实现彩色终端输出

许可证

MIT License