Agent-Frameworks · Foto: m4rlonj, CC BY 2.0
langgraph_code_assistant_mistral.ipynb
Zuletzt aktualisiert:
Typ
Code-Beispiel
Lizenz
MIT
Quelle
Anwendungsfeld
LangChain / LangGraph
Vorlage für "generieren → prüfen → reparieren"-Schleifen.
Voraussetzungen
- API-Zugang zu Codestral (Mistral)
- Python-/Jupyter-Umgebung mit LangGraph installiert
- Grundkenntnisse in LangGraph-Graphen (Nodes, Edges, State)
Code-Assistent mit Selbsttest-Schleife: generiert Code, führt Checks aus, korrigiert Fehler iterativ (Codestral/Mistral).
Für wen: Vorlage für “generieren → prüfen → reparieren”-Schleifen.
Im Detail
Dieses Notebook baut eine Generieren-Prüfen-Reparieren-Schleife für Code: Codestral bzw. andere Mistral-Modelle schreiben eine Lösung, der Code wird tatsächlich ausgeführt bzw. auf Import- und Syntaxfehler geprüft, und bei Fehlschlag bekommt das Modell die Fehlermeldung zurück, um iterativ zu korrigieren, bis es funktioniert oder ein Limit erreicht ist. Das ist die Vorlage für jeden Coding-Assistenten, der nicht blind Code ausgibt, sondern sich selbst korrigiert. Nützlich als Bauplan für interne Code-Generatoren, etwa für Config-Skripte oder Datenanalysen. Setzt einen Mistral/Codestral-API-Zugang voraus, lässt sich aber leicht auf andere Modelle übertragen.
Schritt für Schritt
- Codestral-API-Key in der Notebook-Umgebung hinterlegen
- die Graph-Logik nachvollziehen: Generieren → Ausführen/Prüfen (Syntax, Importe) → bei Fehler zurück zur Generierung mit dem Fehlertext als Kontext
- eigene Programmieraufgaben durchlaufen lassen und beobachten, wie Fehler in der nächsten Iteration korrigiert werden
- bei Nutzung eines anderen Modells als Codestral nur den Modell-Call austauschen, die Graph-Struktur bleibt gleich
- das Muster als Vorlage für andere Domänen wie SQL- oder Konfigurationsdateien-Generierung anpassen
Beispiel aus der Praxis
Man lässt das Notebook eine Funktion mit einem bestimmten Zweck generieren. Codestral schreibt zunächst Code mit einem fehlerhaften Import, der Ausführungsschritt meldet den ImportError, der Graph springt mit dieser Fehlermeldung zurück zur Generierung, und die korrigierte Version läuft im zweiten Anlauf fehlerfrei durch.
Praxis-Tipp
Begrenzen Sie die Korrekturschleife von Anfang an auf z. B. drei Versuche, sonst können fehlerhafte Prompts zu Endlosschleifen mit hohen API-Kosten führen.
Stolperfallen
Das Beispiel ist fest auf Codestral zugeschnitten – ohne Anpassung des Modell-Calls läuft es mit anderen Anbietern nicht. Zudem ist es als Lernvorlage gedacht, nicht als fertiges Tool: Wer es produktiv einsetzen will, muss die Fehlerbehandlung (z. B. eine Obergrenze für Korrekturschleifen) selbst ergänzen.
Lizenz & Quelle
- Lizenz: MIT
- Quelle: langchain-ai/langgraph
Inhalt ansehen (langgraph_code_assistant_mistral.ipynb)
Lade …
Erfahrungen & Kommentare.
Funktioniert der Code-Beispiel bei Ihnen? Tipps, Stolperfallen, Varianten — teilen Sie es mit der Community.
Lade Kommentare …
Passt dazu.
langgraph_agentic_rag.ipynb
Agentic RAG: Ein Agent entscheidet selbst, ob/was er aus dem Vektorindex abruft, statt stur immer zu suchen.
langgraph_adaptive_rag.ipynb
Adaptive RAG: Router wählt je Frage die Strategie (Index-Abruf vs. Websuche) + Selbstkorrektur bei schlechten Treffern.
langgraph_adaptive_rag_local.ipynb
Adaptive RAG komplett mit lokalen LLMs (Ollama) — ohne Cloud-API.
