meta_function.md

create & fix

Source: agentic/meta_functions/

Meta function。用自然语言描述生成新的 @agentic_function，以及修复失败的生成函数。

create() 本身也是一个 @agentic_function——它用 Runtime 让 LLM 写代码，在沙箱中执行，返回一个可调用的函数。

---

Function: create()

@agentic_function
def create(description: str, runtime: Runtime, name: str = None) -> callable

参数

参数	类型	默认值	说明
description	str	(必填)	函数应该做什么。尽量具体，说明参数和期望输出
runtime	Runtime	(必填)	Runtime 实例。用于生成代码，也注入到生成的函数中
name	str | None	None	覆盖生成函数的名称。None = 使用 LLM 选择的名称

返回值

callable — 一个标准的 @agentic_function，具备完整的 Context 追踪。

异常

异常	原因
SyntaxError	生成的代码有语法错误
ValueError	代码包含 import、使用 async、执行失败、或没有定义 @agentic_function

---

安全机制

生成的代码在受限环境中执行：

限制	说明
仅允许白名单 import	只能导入框架预先允许的一小部分标准库模块；像 subprocess、第三方包这类导入会被拦截
禁止 async	只允许同步函数
受限 builtins	没有 exec、eval、open 等危险能力；__import__ 也会经过白名单校验
语法校验	执行前先编译检查

生成的函数默认只能可靠访问：

• agentic_function（装饰器）
• runtime（传入的 Runtime 实例）
• 以及白名单内的少量标准库模块

也就是说，create() / fix() 不是“完全禁止 import”，而是“只允许安全白名单 import”。这和当前实现保持一致。

---

使用方式

基本用法

from agentic import Runtime
from agentic.meta_functions import create

runtime = Runtime(call=my_llm, model="sonnet")

# 用描述创建函数
summarize = create(
    "Summarize text into 3 bullet points. Take a 'text' parameter.",
    runtime=runtime,
)

# 像普通函数一样调用
result = summarize(text="Long article about AI...")
print(result)

指定名称

explain = create(
    "Explain a technical concept using a simple analogy. Take a 'concept' parameter.",
    runtime=runtime,
    name="explain_concept",
)

print(explain.__name__)  # "explain_concept"
result = explain(concept="prompt caching")

生成的函数使用 LLM

# 如果描述中涉及"分析"、"判断"等需要推理的任务，
# LLM 会生成一个内部调用 runtime.exec() 的函数
rate = create(
    "Rate a business idea 1-10 with reasoning. Take an 'idea' parameter.",
    runtime=runtime,
)

result = rate(idea="AI-generated bedtime stories for kids")
# LLM 生成的函数内部会调用 runtime.exec() 来做评估

查看 Context

# create() 本身的 Context
print(create.context.tree())

# 生成的函数的 Context
result = explain(concept="KV cache")
print(explain.context.tree())

生成的函数可以嵌套

@agentic_function
def analyze_topic(topic):
    """Analyze a topic using dynamically created functions."""
    explain = create(f"Explain {topic} simply", runtime=runtime)
    critique = create(f"Critique common misconceptions about {topic}", runtime=runtime)
    
    explanation = explain()
    criticism = critique()
    return f"Explanation: {explanation}\n\nCritique: {criticism}"

---

Function: fix()

@agentic_function
def fix(
    fn,
    runtime: Runtime,
    instruction: str = None,
    name: str = None,
    on_question: Callable[[str], str] = None,
    max_rounds: int = 5,
) -> callable

当已有函数运行失败、输出格式不稳定、或你想做定向改写时，用 fix()。它会自动从 fn 中提取源码、函数名，以及最近 Context 树里的错误 / retry 历史，再交给 LLM 重写。

参数

参数	类型	默认值	说明
fn	callable	(必填)	要修复的函数对象。通常是 create() 生成的函数，也可以是手写的 @agentic_function
runtime	Runtime	(必填)	用来分析与重写函数的 Runtime
instruction	str | None	None	额外修复要求，例如“改成返回 JSON”
name	str | None	None	覆盖修复后函数的名称
on_question	Callable[[str], str] | None	None	当 LLM 返回 QUESTION: ... 时的回调。返回值会作为补充信息继续修复
max_rounds	int	5	最多允许多少轮问答 / 重写

返回值

callable — 修复后的函数。

异常

异常	原因
SyntaxError	修复后的代码仍有语法错误
ValueError	修复后的代码包含不允许的 import、async、或无法执行
RuntimeError	超过 max_rounds 仍未得到可编译代码

---

基本用法

from agentic.meta_functions import create, fix

runtime = Runtime(call=my_llm, model="sonnet")

analyze = create("Analyze sentiment of text", runtime=runtime)

try:
    result = analyze(text="This is great!")
except Exception:
    analyze = fix(
        fn=analyze,
        runtime=runtime,
        instruction="Return exactly one word: positive, negative, or neutral.",
    )
    result = analyze(text="This is great!")

fix() 会自动拿到什么

fix(fn=..., runtime=...) 会自动收集：

• fn 的源码（若可读）
• fn.__doc__ / 名称，用来恢复原始意图
• fn.context 里的失败记录，包括 retry attempts 和异常信息
• 你额外传入的 instruction

所以新版 API 不再需要手动传 description、code、error_log。

交互式修复：on_question

def answer(question: str) -> str:
    if "JSON" in question:
        return "Return a JSON object with keys sentiment and confidence."
    return "Prefer the safest interpretation."

fixed = fix(fn=analyze, runtime=runtime, on_question=answer)

如果模型不确定修哪里，可以先问，再继续生成最终代码。

create + fix + retry 模式

def create_with_retry(description, runtime, sample_kwargs, attempts=3):
    fn = create(description, runtime=runtime)

    for _ in range(attempts):
        try:
            fn(**sample_kwargs)
            return fn
        except Exception:
            fn = fix(
                fn=fn,
                runtime=runtime,
                instruction="Make the output schema explicit and validate edge cases.",
            )

    return fn

这个模式适合“先生成，再用真实样例验证，不对就继续修”的工作流。