المنهج الدراسي الدرس 231 من 250 · المشروع: وكيل بحث يستخدم الأدوات
المشروع: وكيل بحث يستخدم الأدوات

توصيل حلقة ReAct الخاصة بالـ Agent

الآن قلب المشروع: حلقة ReAct (التفكير ثم الفعل ثم الملاحظة)، وهي حلقة التحكم خلف كل إطار عمل للوكلاء تقريبًا. لا يجيب النموذج في خطوة واحدة. إنه يفكر خطوة، ويختار أداة، ويشغلها، يقرأ النتيجة، وبعد ذلك فقط يقرر ما سيفعله بعد ذلك. مهمتك هي كتابة تلك الحلقة بلغة Python البسيطة فوق أدوات وهمية، لكي تفهم الآلية بدلاً من التعامل مع LangChain كصندوق أسود.

في النشر الحقيقي، خطوة "reason" هي استدعاء لـ LLM. هنا نستبدل النموذج بـ policy صغير وحتمي ليكون النظام بالكامل قابلا للاختبار دون اتصال (بدون شبكة، بدون API). تنظر الـ policy إلى المهمة وإلى الملاحظات التي تم جمعها حتى الآن، وتعيد الإجراء التالي. هذا الفصل هو الدرس الحقيقي: الـ loop عام؛ الـ policy فقط هي الذكية.

مهمة

A هي مواصفة صغيرة تقرأها السياسة:

task = {"need": ["team size", "office floors"], "op": "*"}
# "look up these facts, then combine them with this operator"

ستقوم ببناء run_agent(task, tools, max_steps=8). وهي تعيد trace: وهي قائمة مرتبة من (thought, tool, args, observation) tuples، واحدة لكل خطوة. هذا الـ trace هو تاريخ التفكير الكامل للعميل، وهو بالضبط ما تقوم بتسجيله، وإعادة تشغيله، وتقييمه (في الدروس القادمة).

المنطق الذي تشفره الحلقة، في كل تكرار:

  • إذا كانت أي حقيقة مطلوبة لا تزال unknown، فإن الإجراء التالي هو search لأول واحدة مفقودة. سجل الملاحظة وتذكر الحقيقة.
  • بمجرد جمع كل الحقائق ووجود op, فإن الإجراء التالي هو calc لدمج الحقيقتين. تذكر النتيجة.
  • عندما لا يتبقى شيء للقيام به، قم بإصدار إجراء finish نهائي تكون ملاحظته هي الإجابة، ثم توقف.
def run_agent(task, tools, max_steps=8):
    trace, facts = [], {}
    for _ in range(max_steps):
        missing = [k for k in task["need"] if k not in facts]
        if missing:
            key = missing[0]
            obs = tools["search"]({"query": key})   # ACT + OBSERVE
            facts[key] = obs
            trace.append(("need " + key, "search", {"query": key}, obs))
            continue
        ...   # compute if there is an op, else finish

قاموس tools هو سجل بياناتك من الدرس الأول من حيث المبدأ: search(args) يحلل حقيقة، calc(args) يطبق op على a و b. الإجابة النهائية هي calcالنتيجةZ عندما يوجد op، أو الحقيقة الوحيدة المستخرجة عندما لا يوجد. يتحقق المصحح من (tool, args, observation)التسلسلZ خطوة بخطوة ومن الإجابة النهائية، لذا يجب أن يوجه tloop بشكل صحيح فعليا وليس بالتخمين. كما يقوم بتشغيل مهمة ثانية ومختلفةZ ، لذا لا يمكن لـ trace ثابتة العبور. اضغط Run لمشاهدة مهمة حقيقتين وهي تستنتج طريقها إلى إجابة.

دورك

اكتب make_tools() الذي يعيد dict يحتوي على search(args) (قم بحل args["query"] مقابل جدول FACTS المعطى في البداية؛ "not found" إذا كان غائبا) و calc(args) (طبق args["op"] فوق args["a"]، args["b"] لـ + - * /). ثم اكتب run_agent(task, tools, max_steps=8) الذي ينفذ حلقة reason-act-observe: ابحث عن كل مفتاح لا يزال مفقودا في task["need"] (أول مفقود أولا)، ثم calc إذا كان task["op"] محددا، ثم خطوة finish نهائية مكتوبة كـ (thought, "finish", {"answer": answer}, answer). أعد القائمة المرتبة من (thought, tool, args, observation) tuples؛ الإجابة النهائية هي نتيجة calc، أو الحقيقة الواحدة عندما لا يوجد op.

هل لاحظت مشكلة في هذا الدرس؟ أبلغ عنها · اسأل عن هذا الدرس

سيفتح هذا التمرين قريبا

أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.