Agenti interattivi in stile REPL
Cicli di input, cronologia e conversazioni multi-turno negli agenti da terminale
Agenti interattivi in stile REPL è una lezione AI Agents gratuita su CoddyKit. Questa è la lezione 2 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento AI Agents, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso AI Agents include 4 lezioni in totale.
Che cos'è un agente in stile REPL?
Un REPL (Read-Eval-Print Loop) è una sessione interattiva nel terminale in cui si immette un input, si riceve un output e si continua. Gli agenti conversazionali nel terminale funzionano esattamente così: l'utente digita un messaggio, l'agente risponde e la conversazione continua finché l'utente non esce.
Il ciclo REPL di base
Il REPL più semplice è un ciclo while True che legge l'input dell'utente con input(), lo elabora e stampa il risultato. Il ciclo viene eseguito all'infinito finché l'utente non segnala di voler uscire.
def run_agent_repl(inputs):
print('Agent started. Type /exit to quit.')
conversation_history = []
for user_input in inputs:
user_input = user_input.strip()
if not user_input:
continue
if user_input == '/exit':
print('Goodbye!')
break
conversation_history.append({'role': 'user', 'content': user_input})
agent_reply = f'[Agent reply to: {user_input}]'
conversation_history.append({'role': 'assistant', 'content': agent_reply})
print(f'Agent: {agent_reply}')
run_agent_repl(['Hello agent', 'What can you do?', '/exit'])Gestione elegante di KeyboardInterrupt
Quando un utente preme Ctrl+C, Python genera un'eccezione KeyboardInterrupt. La intercetti a livello principale per stampare un messaggio di saluto invece di una traccia dello stack.
def run_agent_repl():
print('Agent ready. Press Ctrl+C to exit.')
conversation_history = []
try:
while True:
user_input = input('You: ').strip()
if not user_input:
continue
conversation_history.append({'role': 'user', 'content': user_input})
reply = '[mocked agent response]'
conversation_history.append({'role': 'assistant', 'content': reply})
print(f'Agent: {reply}')
except KeyboardInterrupt:
print('\nSession ended. Goodbye!')
except EOFError:
# Triggered when stdin is closed (piped input ends)
print('\nEnd of input. Exiting.')
if __name__ == '__main__':
import builtins
_demo_inputs = iter(['What agents can you build?', EOFError])
def _fake_input(prompt=''):
val = next(_demo_inputs)
if val is EOFError:
raise EOFError
print(prompt + val)
return val
builtins.input = _fake_input
run_agent_repl()
Conservazione della cronologia delle conversazioni multi-turno
Per fornire all'agente la memoria della conversazione, conservi un elenco di messaggi e passi l'intera cronologia al LLM a ogni turno. Inizi con un messaggio di sistema che definisce la personalità dell'agente.
import openai
client = openai.OpenAI(api_key='YOUR_API_KEY')
def run_chat_repl():
history = [
{'role': 'system', 'content': 'You are a helpful AI assistant.'}
]
print('Chat started. Type /exit to quit.')
try:
while True:
user_input = input('You: ').strip()
if not user_input or user_input == '/exit':
break
history.append({'role': 'user', 'content': user_input})
response = client.chat.completions.create(
model='gpt-4o-mini',
messages=history
)
reply = response.choices[0].message.content
history.append({'role': 'assistant', 'content': reply})
print(f'Agent: {reply}')
except KeyboardInterrupt:
print('\nGoodbye!')readline: cronologia e modifica dell'input
Il modulo readline (Unix/Mac) consente di spostarsi con i tasti freccia tra gli input precedenti, proprio come in una shell reale. Gli utenti possono premere la freccia su per richiamare i messaggi precedenti.
try:
import readline # available on Unix/Mac, not Windows
# Enable persistent history between sessions
import os
HISTORY_FILE = os.path.expanduser('~/.agent_history')
try:
readline.read_history_file(HISTORY_FILE)
except FileNotFoundError:
pass
import atexit
atexit.register(readline.write_history_file, HISTORY_FILE)
readline.set_history_length(500)
print('History enabled (use up/down arrows)')
except ImportError:
pass # readline not available on Windows
# After this, input() automatically has history supportComandi slash integrati
Fornisca al Suo agente REPL comandi slash integrati per le operazioni più comuni: /help, /exit, /clear per reimpostare la conversazione e /history per visualizzare i messaggi precedenti.
def handle_command(cmd: str, history: list) -> bool:
'Returns True if the command was handled, False if it is a regular message'
if cmd == '/exit' or cmd == '/quit':
print('Goodbye!')
raise SystemExit(0)
elif cmd == '/help':
print('Commands: /exit, /clear, /history, /help')
return True
elif cmd == '/clear':
# Keep only the system message
system = history[0] if history and history[0]['role'] == 'system' else None
history.clear()
if system:
history.append(system)
print('[Conversation cleared]')
return True
elif cmd == '/history':
for i, msg in enumerate(history):
if msg['role'] != 'system':
print(f' [{msg["role"]}] {msg["content"][:80]}')
return True
return False # not a command, treat as regular message
if __name__ == '__main__':
demo_history = [
{'role': 'system', 'content': 'You are a helpful agent.'},
{'role': 'user', 'content': 'Hi there'},
{'role': 'assistant', 'content': 'Hello! How can I help?'},
]
handle_command('/help', demo_history)
handle_command('/history', demo_history)
Limitazione della lunghezza della cronologia
Passare l'intera cronologia della conversazione al LLM a ogni turno fa crescere linearmente il numero di token. Riduca la cronologia agli ultimi N messaggi, mantenendo il messaggio di sistema, per tenere sotto controllo i costi.
def trim_history(history: list, max_turns: int = 10) -> list:
system_messages = [m for m in history if m['role'] == 'system']
non_system = [m for m in history if m['role'] != 'system']
# Keep the last max_turns messages (each turn = 1 user + 1 assistant)
max_messages = max_turns * 2
trimmed = non_system[-max_messages:]
return system_messages + trimmed
# Usage in the REPL loop:
# history.append({'role': 'user', 'content': user_input})
# trimmed = trim_history(history, max_turns=10)
# response = client.chat.completions.create(model='gpt-4o-mini', messages=trimmed)
print('Trimming history prevents token count from growing unboundedly')Visualizzazione di un banner di benvenuto
Un banner di benvenuto rende il Suo REPL più curato. Lo stampi una volta all'avvio, includendo il nome dell'agente, la versione e i comandi disponibili. Usi una semplice grafica ASCII o la libreria rich per i colori.
def print_banner():
banner = '''
====================================
AI Research Agent v1.0
====================================
Type your question to begin.
Commands: /help /clear /exit
====================================
'''
print(banner)
# Or with rich colors:
# from rich.console import Console
# from rich.panel import Panel
# console = Console()
# console.print(Panel('[bold cyan]AI Research Agent[/] v1.0', subtitle='Type /help for commands'))
print_banner()Visualizzazione degli indicatori di digitazione
Le chiamate al LLM possono richiedere diversi secondi. Mostri un messaggio «elaborazione...» durante l'attesa, così gli utenti sanno che l'agente sta elaborando la richiesta. Lo rimuova quando arriva la risposta.
import sys
import threading
import time
def thinking_spinner(stop_event: threading.Event):
frames = ['|', '/', '-', '\\']
i = 0
while not stop_event.is_set():
sys.stdout.write(f'\rAgent is thinking... {frames[i % 4]}')
sys.stdout.flush()
time.sleep(0.1)
i += 1
sys.stdout.write('\r' + ' ' * 30 + '\r') # clear the line
sys.stdout.flush()
def call_agent_with_spinner(query: str) -> str:
stop = threading.Event()
spinner = threading.Thread(target=thinking_spinner, args=(stop,))
spinner.start()
# result = agent.run(query) # the actual slow call
time.sleep(1) # simulating work
result = 'The answer is 42.'
stop.set()
spinner.join()
return result
if __name__ == '__main__':
answer = call_agent_with_spinner('What is 6 * 7?')
print(f'\nFinal answer: {answer}')
Salvataggio della sessione in un file
Permetta agli utenti di salvare la conversazione in un file al termine della sessione. È utile nelle sessioni di ricerca in cui si desidera conservare un resoconto di ciò che l'agente ha trovato.
import json
import datetime
import os
def save_session(history: list, directory: str = 'sessions'):
os.makedirs(directory, exist_ok=True)
timestamp = datetime.datetime.now().strftime('%Y%m%d_%H%M%S')
filename = os.path.join(directory, f'session_{timestamp}.json')
with open(filename, 'w') as f:
json.dump({
'saved_at': timestamp,
'messages': history
}, f, indent=2)
print(f'Session saved to {filename}')
# Usage in REPL on /save command:
# save_session(conversation_history)
if __name__ == '__main__':
import tempfile
demo_dir = tempfile.mkdtemp()
demo_history = [
{'role': 'user', 'content': 'Hello'},
{'role': 'assistant', 'content': 'Hi! How can I help?'},
]
save_session(demo_history, directory=demo_dir)
Modello completo di agente REPL
Riunendo tutto: un modello REPL pronto per la produzione, con gestione della cronologia, comandi slash, gestione dell'interruzione da tastiera e salvataggio della sessione.
def run_repl(agent):
history = [{'role': 'system', 'content': 'You are a helpful AI assistant.'}]
print('Agent ready. Type /help for commands.')
try:
while True:
user_input = input('You: ').strip()
if not user_input:
continue
if user_input.startswith('/'):
handle_command(user_input, history)
continue
history.append({'role': 'user', 'content': user_input})
trimmed = trim_history(history, max_turns=10)
reply = agent.run(trimmed)
history.append({'role': 'assistant', 'content': reply})
print(f'Agent: {reply}')
except KeyboardInterrupt:
print('\nSession ended.')
save_session(history)Verifica delle conoscenze: agenti in stile REPL
Verifichi la Sua comprensione degli agenti REPL interattivi.
Riepilogo: agenti REPL interattivi
Ora può creare un agente interattivo completo per il terminale:
- Usi
while True: input()come ciclo di lettura principale - Intercetti
KeyboardInterruptper gestire correttamente l'uscita con Ctrl+C - Mantenga un elenco
conversation_historyper la memoria multi-turno - Usi
readlineper la cronologia dell'input con i tasti freccia - Implementi i comandi slash
/help,/cleare/exit - Riduca la cronologia per evitare una crescita illimitata dei token
- Mostri uno spinner o un indicatore di avanzamento durante le chiamate al LLM
Domande Frequenti
La lezione «Agenti interattivi in stile REPL» è gratuita?
Sì — il testo completo di «Agenti interattivi in stile REPL» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso AI Agents, passa a CoddyKit PRO. Il corso AI Agents include 4 lezioni in totale.
Cosa imparerò in «Agenti interattivi in stile REPL»?
Cicli di input, cronologia e conversazioni multi-turno negli agenti da terminale Eserciti AI Agents con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare AI Agents?
Non è richiesta alcuna esperienza precedente. AI Agents su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 2 di 4.
Quanto tempo richiede la lezione «Agenti interattivi in stile REPL»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione AI Agents?
Sì. Ogni lezione AI Agents include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Creazione di interfacce a riga di comando per agenti
- Agenti interattivi in stile REPL
- Parsing degli argomenti e testo di aiuto
- Output in streaming negli agenti CLI