LoopAI

Appearance

WebUI 教程 ​

这一页按真实操作顺序介绍如何通过 WebUI 使用 LoopAI。建议把它理解为一条完整上手路径，而不是一组分散功能说明。

教程顺序 ​

WebUI 的建议学习顺序是：

  1. 先准备 starter.yaml
  2. 启动 WebUI 服务
  3. 在 Config 中补全全局参数
  4. 使用资源池管理维护路径类参数
  5. 创建任务并进入任务面板
  6. 回到任务面板，通过对话进入不同 Agent 执行任务
  7. 观察节点状态、消息与结果

第一步：准备 starter.yaml ​

在启动 WebUI 之前，先在仓库根目录放好 starter.yaml：

bash
cp examples/config/starter.yaml ./starter.yaml

这里至少要保证 Starter 本身可以工作。否则系统刚启动时就会缺少基础模型配置。

第二步：启动 WebUI ​

如果还没有准备前端发布产物，先执行：

bash
python scripts/download_ui_release.py

然后启动后端：

bash
python api/start.py

默认地址：

text
http://localhost:8855

第三步：先配置全局参数 ​

第一次上手时，不建议一打开界面就立刻执行评测或分析。更稳妥的顺序，是先去 UI 里的 Config 面板把全局参数补齐，再开始真正的任务流。

这样做的原因很简单：

  • 后续很多 Agent 都依赖这些全局参数
  • 如果基础配置没补齐，系统很快就会跳去 ConfigerAgent 让你补字段
  • 先把全局参数整理好，后面的操作会顺很多

这里有两个非常重要的使用规则：

规则 1：参数修改通常要到下一轮才生效 ​

在 LangGraph 里，任务启动后，运行中的状态并不是任意时刻都能即时重写。当前阶段下，很多参数修改需要到下一轮流程里才会真正反映。

目前最稳妥的方式是：

  • 通过对话修改参数
  • 或在合适的暂停点更新配置，再继续下一轮

规则 2：改完参数后要点右上角 Update ​

在 Config 里填完全局参数之后，需要点击右上角的 Update，否则配置不会正式写回当前任务上下文。

另外，每个参数项右上角通常还有一个 ?，里面会给出该参数的说明和使用提示。第一次配置时，建议优先点开查看，能减少很多试错成本。

全局参数配置面板

第四步：使用资源池管理维护路径类参数 ​

针对模型、数据集、配置文件等路径类信息，推荐优先使用“资源池管理”。

这样做的好处是：

  • 后续配置路径时可以快速选择
  • 减少手工输入路径出错
  • 便于统一管理模型和数据资源

这一步不是强制的，但非常建议在正式开始任务前先整理好。

资源池管理入口

资源池中的路径类资源配置

第五步：创建任务并进入任务面板 ​

完成全局参数和资源池整理之后，再打开任务面板，创建一个新任务，然后点击“运行”。

这时可以把任务理解成“已经具备了进入执行流的基础条件”，接下来再开始通过对话驱动具体 Agent，会比一上来就边跑边补配置更清晰。

点击启动后可以稍作等待。通常要等到节点上开始出现状态字段，才表示这次任务启动成功，系统已经进入可继续交互的状态。

任务面板中的新任务创建与启动

节点出现状态字段后表示启动成功

第六步：回到任务面板，通过对话驱动流程 ​

完成全局参数和资源池整理之后，再回到任务面板，通过对话驱动 LoopAI 进入不同 Agent。

这时任务启动后，首先真正与你交互和调度流程的，是 StarterAgent。它是整个系统的主管 Agent，主要负责：

  • 与你对话
  • 理解当前任务意图
  • 决定接下来要跳转到哪个 Agent
  • 在不同子 Agent 之间衔接流程

因此这里再介绍 Starter 会更自然：你已经先配好了全局条件，接下来才轮到它接管流程并把任务送往具体执行节点。

例如你可以输入：

text
请进入configer配置judger的eval_task_type为code

此时系统会尝试进入 ConfigerAgent 来帮助你补全参数。

通过对话进入 Configer 并补充参数

如何判断参数是否真的修改成功 ​

这是 WebUI 里最容易误判的地方之一。

当 Agent 询问你参数信息时，你可以继续确认或修改，但要注意：

  • 不是看到对话回复就算修改成功
  • 要等到 tool 信息框结束
  • 并且看到 confirm: true

只有出现 confirm: true，才表示本次配置写入成功。

同时，你还可以观察：

  • flow 图上对应 Agent 的状态字段是否更新
  • 左侧状态中对应值是否发生变化

看到 confirm true 才表示配置真正写入成功

通过 next_to 和节点亮光判断当前 Agent

如何判断当前正在谁的节点里 ​

有两种最直接的方法：

  • 看 tool message 里的 next_to
  • 看 flow 图上哪个 Agent 节点下方有亮光

这两个信号通常能帮助你判断系统刚刚从 Starter 跳到了谁，或者下一步准备跳去谁。

缺参数时自动跳转到 Configer 补全并返回原节点

如果缺参数，LoopAI 会怎么处理 ​

当你尝试启动某个 Agent，例如直接说“开始评测”时，LoopAI 会先检查当前所需参数是否齐全。

如果参数缺失，常见行为是：

  1. 系统自动跳转到 ConfigerAgent
  2. 引导你补全缺失字段
  3. 补完后询问你是否继续
  4. 继续后回到刚才中断的节点

这也是为什么 Starter 更像主管，而不是固定执行器。

缺参数时自动跳转到 Configer 补全并返回原节点

第七步：观察节点状态、消息与结果 ​

执行某个 Agent 任务时，右侧 Custom Info 往往会更接近实时信息源，你可以在那里看到：

  • 当前进度
  • 实时消息
  • 执行中的关键状态

而左侧 States 并不一定实时更新。很多字段会在该阶段执行完成后才集中刷新。

对于路径类更新字段，如果界面支持点击预览，可以直接点击查看对应内容。

Custom Info 与 States 的观察位置

示例一：启动评测与分析 ​

1. 创建任务并点击运行 ​

运行后可以看到 state 已经加载完成。

2. 发起评测任务 ​

如果此时 Judger 的 eval_model_path 为空，不需要立刻退出页面手动找配置。

你可以直接通过对话告诉系统要补什么，LoopAI 会协助你进入配置流程并补齐参数。

3. 执行评测 ​

参数齐全后，就可以开始评测。

在一些本地评测场景下，系统会启动本地 vLLM 来执行模型推理任务。

评测过程中你可以查看：

  • 左上角面板中的 GPU 使用情况
  • 节点详情里的监控界面

4. 查看评测结果 ​

评测完成后，在左侧面板中通常可以查看：

  • 模型样例输出
  • 对应评测结果

5. 进入分析阶段 ​

接下来可以对话启动分析任务。

如果分析器所需的评测结果路径为空，但你刚刚已经完成评测，系统通常会自动补齐相关字段。

如果此前没执行评测，也可以手动通过对话补参数。

6. 执行分析 ​

分析阶段通常更适合使用更强的模型，因此你可能需要：

  • 提前启动外部 vLLM 服务
  • 或配置其他模型 API

分析完成后，系统会生成分析报告，你可以在界面中查看详细结果。

示例二：数据获取、后处理与训练 ​

1. 启动 Obtainer ​

基于分析报告，可以进一步执行 ObtainerAgent 做数据获取。

当前数据获取常见有两类路径：

  • Obtainer
  • WebCrawler

2. 进入 Constructor ​

拿到数据之后，可以进入 ConstructorAgent 做数据后处理。

这一阶段通常包括：

  • 数据清洗
  • 数据合成
  • 去重与筛选

目标是减少无效样本和潜在数据泄露风险。

3. 查看处理进度 ​

Constructor 执行过程中，右侧聊天框通常会展示：

  • 数据处理进度
  • 数据合成过程
  • 结果概览

4. 启动 Trainer ​

数据准备完成后，就可以执行 Trainer 做训练。

当前教程里最重要的可用路径是：

  • 基于 Llama-Factory 的 SFT

因此如果要进入训练阶段，请提前准备好训练环境与相关路径配置。

5. 观察训练过程 ​

训练期间，节点面板通常会实时展示：

  • 终端日志
  • 训练状态曲线

便于监控训练进展。

训练完成后，可以查看详细训练日志，并基于训练产物开展下一轮评测。

一页总结 ​

第一次用 WebUI 时，最重要的不是记住所有 Agent 的名字，而是记住这条使用节奏：

  1. 先让 Starter 跑起来
  2. 先补全全局参数
  3. 参数不够时交给 Configer 补
  4. 通过对话驱动进入具体 Agent
  5. 用 next_to、节点亮光、Custom Info 和 States 判断当前执行位置与结果

Built with VitePress for LoopAI

Copyright © LoopAI