Trace2Env — фреймворк для разработчиков и исследователей агентных систем: он строит по записям действий и наблюдений модель текстовой интерактивной среды. Полученная модель поможет обучать и проверять агентов, когда исходная система недоступна или работать с ней нежелательно. Она воспроизводит наблюдаемую динамику, а не исходную исполняемую систему.
На вход нужны записанные траектории: что делал агент и что видел в ответ. По десяткам таких записей фреймворк может собрать «книгу мира» без доступа к коду, зависимостям и инфраструктуре исходной среды. В ней хранятся схемы, правила переходов, ограничения и примеры, на которые модель опирается при симуляции. Результат реконструкции — пакет модели среды; состояние и журнал отдельного эпизода хранятся в сессии.
- Разбирает и сегментирует записи взаимодействий.
- Собирает «книгу мира» из прошлых траекторий.
- Предлагает следующие наблюдения и изменения состояния.
- Проверяет изменения перед сохранением между ходами.
- Проверяет пакет воспроизведением контрольных случаев.
- Поддерживает одноходовую и многоходовую оценку.
Работа разделена на реконструкцию и симуляцию. При симуляции агент модели среды сверяется с «книгой мира», состоянием эпизода и памятью, а общий исполняющий контур проверяет предложенные изменения по схемам, правилам и инвариантам. Принятые изменения сохраняются между ходами, поэтому можно проводить длительные взаимодействия с состоянием. Это пригодится для воспроизводимых тестов, моков инструментов и API с состоянием, а также для работы со средами, к которым больше нет доступа.
Попробовать фреймворк можно через библиотеку или CLI: они позволяют разобрать трассы, запустить реконструкцию, изучить пакет и проверить симуляцию на контрольных случаях. Разбор и сегментация записей не требуют модели, а встроенная демонстрация запускается без модели и API-ключа. Для реконструкции предусмотрено подключение через API-ключ или OpenAI-совместимый сервер; для установки нужен Python 3.11 или новее.
Фреймворк оценивался на терминалах, репозиториях, Android- и веб-приложениях, корпоративных сервисах и текстовых играх. Для других текстовых интерактивных систем применимость заявлена, но оценка на них этим перечнем не подтверждается.
Блог