Qwen3.7-Max：一个冲着"全能智能体基座"去的模型

import openai
import json
import subprocess

# 通义千问兼容 OpenAI SDK，只需改 base_url 和 model
# Qwen3.7-Max API 开放后，将 model 替换为对应名称
client = openai.OpenAI(
    api_key="your-dashscope-api-key",
    base_url="https://dashscope.aliyuncs.com/compatible-mode/v1"
)

MODEL = "qwen-max"  # 替换为 qwen3.7-max 当 API 可用

def call_agent(messages, tools=None):
    """调用模型，支持工具调用"""
    kwargs = {
        "model": MODEL,
        "messages": messages,
        "temperature": 0.1,  # 智能体任务用低温度，减少随机性
    }
    if tools:
        kwargs["tools"] = tools
    return client.chat.completions.create(**kwargs)

# 定义工具：执行 Python 代码并返回输出
tools = [
    {
        "type": "function",
        "function": {
            "name": "run_python",
            "description": "执行一段 Python 代码，返回 stdout 和 stderr",
            "parameters": {
                "type": "object",
                "properties": {
                    "code": {
                        "type": "string",
                        "description": "要执行的 Python 代码"
                    }
                },
                "required": ["code"]
            }
        }
    }
]

def execute_run_python(code: str) -> str:
    """实际执行代码的函数"""
    result = subprocess.run(
        ["python3", "-c", code],
        capture_output=True, text=True, timeout=30
    )
    output = result.stdout
    if result.returncode != 0:
        output += f"\nERROR:\n{result.stderr}"
    return output

# ---- 智能体主循环 ----
def agent_loop(task: str, max_steps: int = 10):
    messages = [{"role": "user", "content": task}]

    for step in range(max_steps):
        print(f"\n--- Step {step + 1} ---")
        response = call_agent(messages, tools=tools)
        choice = response.choices[0]

        # 模型决定调用工具
        if choice.message.tool_calls:
            for tc in choice.message.tool_calls:
                args = json.loads(tc.function.arguments)
                print(f"工具调用: {tc.function.name}({args.get('code','')[:80]}...)")

                # 执行工具
                result = execute_run_python(args["code"])
                print(f"执行结果: {result[:200]}")

                # 把工具结果喂回模型
                messages.append(choice.message)
                messages.append({
                    "role": "tool",
                    "tool_call_id": tc.id,
                    "content": result
                })
        else:
            # 模型给出最终回复，循环结束
            print(f"最终回复: {choice.message.content}")
            return choice.message.content

    return "达到最大步数限制，任务未完成"

# ---- 运行 ----
buggy_task = """
下面这个函数有 bug，请找出问题、修复它，并用 run_python 工具验证修复后的函数能正确运行：

def add_lists(a, b):
    return a + b

# 期望：add_lists([1,2], [3,4]) == [1,2,3,4]
# 实际：add_lists([1,2], [3,4]) 返回 [1,2,3,4]（碰巧对了）
# 但 add_lists(1, 2) 应该抛 TypeError，目前返回 3
# 修复：加上类型检查，只允许 list 输入
"""

result = agent_loop(buggy_task)