SmolAgents v1.17.0 发布:结构化输出与安全增强
SmolAgents 是一个专注于构建轻量级智能代理的开源框架,它通过模块化设计让开发者能够快速构建和部署各种AI代理。最新发布的v1.17.0版本带来了多项重要更新,特别是在结构化输出、执行安全性和流式处理方面有了显著提升。
结构化输出支持
本次更新中,CodeAgent新增了对结构化输出的支持。这一功能允许开发者定义更严格的输出模式,确保AI生成的响应符合预期的数据结构。结构化输出对于构建需要精确控制输出格式的应用场景特别有价值,比如:
- API接口调用
- 数据提取任务
- 需要严格验证输出的关键业务逻辑
通过结构化输出,开发者可以减少后期处理的工作量,同时提高系统的可靠性。这一特性采用了类似Pydantic的模型定义方式,让开发者可以轻松定义期望的输出结构。
流式处理增强
v1.17.0版本对HTTP MCP服务器的流式处理支持进行了扩展。现在框架能够更好地兼容支持流式响应的服务器实现,这对于需要实时显示生成内容的场景尤为重要,比如:
- 聊天应用中的逐字显示
- 长文本生成时的进度反馈
- 需要即时响应的交互式应用
同时,团队修复了多个与流式处理相关的问题,包括直播流中的计划步骤生成问题,以及LiteLLM提供完成标记时的流终止处理,进一步提升了流式处理的稳定性和用户体验。
执行安全强化
安全方面,本次更新对LocalPythonExecutor进行了重要改进,特别是限制了通过间接属性访问子模块的能力。这一变更有效防止了潜在的安全风险,特别是在执行用户提供代码时可能出现的非预期模块访问。安全增强措施包括:
- 限制间接属性访问路径
- 加强类定义执行时的安全检查
- 改进代码执行隔离机制
这些改进使得在沙箱环境中执行不可信代码更加安全,为构建更开放的代理平台奠定了基础。
开发体验优化
除了核心功能增强外,v1.17.0还包含多项提升开发者体验的改进:
-
类定义支持增强:LocalPythonExecutor现在能更好地处理类定义中的各种语法结构,包括带注解的赋值、属性赋值和pass语句等,使得在代理中定义复杂类结构更加顺畅。
-
运行结果丰富化:Agent.run()方法现在可以返回包含丰富元数据的RunResult对象,为调试和监控提供了更多信息。
-
文档完善:新增了关于使用OpenRouter模型的示例文档,修正了多处文档错误,并改进了LaTeX在GradioUI中的渲染支持。
总结
SmolAgents v1.17.0通过引入结构化输出、增强流式处理能力和强化执行安全性,进一步巩固了其作为轻量级智能代理框架的地位。这些改进不仅提升了框架的功能性,也增强了其在生产环境中的适用性。对于正在构建AI代理应用的开发者来说,这一版本值得关注和升级。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00