التخطيط + حراس الحلقة
الوكيل الذي يمكنه العمل يمكنه أيضاً العمل للأبد. الطريقة الأولى التي يستهلك بها الوكيل الحقيقي المال ويستدعي مهندساً مناوباً هي حلقة بدون مكابح: فهي تستمر في استدعاء نفس الأداة، والحصول على نفس الملاحظة، ولا تقرر أبداً أنها انتهت. يضيف هذا الدرس الأمرين اللذين يجعلان الوكيل آمناً للتشغيل الفعلي: planner صغير يكسر الهدف إلى مهام فرعية مرتبة، و loop guard يوقف الوكيل قبل أن يخرج عن السيطرة.
أولاً، التخطيط. decompose(goal) يحول هدفاً من سطر واحد إلى قائمة مرقمة من المهام الفرعية. نحن نحافظ عليه حتمياً وقائماً على القواعد (يقوم الـ LLM بذلك في الإنتاج، لكن shape هو ما يهم): تقسيم الهدف عند كلمة "then"، إزالة الفراغات من كل قطعة، وترقيمها بدءاً من 1.
decompose("find the team size then multiply by 2 then report")
# ["1. find the team size", "2. multiply by 2", "3. report"]الآن الحارس. run_with_guard(policy, state, max_steps)يقود سياسة خطوة بخطوة، لكنه يرفض الهروب. السياسة هنا هي function policy(state) -> action (سلسلة نصية تسمي الإجراء الذي يريد اتخاذه)؛ تطبيق إجراء ما يضيفه فقط إلى قائمة history. يتوقف الحارس لواحد من ثلاثة أسباب ويبلغ أيها:
- انتهى: تعيد السياسة الإجراء
"done"-> halt مع السبب"done". - لا يوجد تقدم: تعيد السياسة نفس الإجراء مرتين متتاليتين -> توقف مع السبب
"repeat". هذه هي إشارة العلوق في حلقة كلاسيكية: العميل لا يتعلم من ملاحظاته. - budget: يصل إلى
max_stepsدون الانتهاء -> يتوقف بسبب"max_steps".
def run_with_guard(policy, state, max_steps):
history = []
for _ in range(max_steps):
action = policy(state)
if action == "done":
return {"history": history, "reason": "done"}
if history and action == history[-1]:
return {"history": history, "reason": "repeat"}
history.append(action)
# let the policy advance its own state here
...
return {"history": history, "reason": "max_steps"}أرجِع قاموساً {"history": [...], "reason": ...}. فحص "repeat" هو ما ينقذك: سياسة معطوبة أو مرتبكة تواصل إصدار "search" إلى الأبد تُوقَف عند الإجراء المتطابق الثاني، مع سبب يمكنك تسجيله والتنبيه عليه. أما السياسة حسنة السلوك التي تحرز تقدماً ثم تقول "done" فتنتهي بنظافة ضمن ميزانيتها. يتحقق المصحّح من أن سياسة تدور في حلقة تتوقف بـ "repeat"، وأن سياسة منفلتة تصل إلى "max_steps"، وأن سياسة جيدة تنتهي بـ "done"، إضافة إلى أن decompose يرقّم بشكل صحيح. اضغط Run لترى النتائج الثلاث كلها.
اكتب decompose(goal): قم بتقسيم goal بناء على " then "، وقم بإزالة المسافات من كل جزء، وأعدهم كـ "1. part"، "2. part"، ... ثم اكتب run_with_guard(policy, state, max_steps) حيث تعيد policy(state) سلسلة إجراء. قم بتشغيل السياسة حتى max_steps مرات وأعد {"history": [...], "reason": ...}: توقف مع السبب "done" عندما يكون الإجراء "done"؛ توقف مع السبب "repeat" عندما يساوي الإجراء الإجراء السابق مباشرة (لا يوجد تقدم)؛ توقف مع السبب "max_steps" إذا نفدت الميزانية. أضف كل إجراء مقبول إلى history.
سيفتح هذا التمرين قريبا
أنهِ الدرس السابق ليفتح هذا الدرس. الدورة كاملة مجانية، ولا تحتاج إلى حساب، ويمكنك قراءة هذا الدرس الآن.
يقوم هذا المتصفح بحظر ملفات تعريف الارتباط لـ learn.floati.life، لذا لا يمكن فتح الدروس التي أنهيتها هنا بالترتيب. اسمح بملفات تعريف الارتباط لهذا الموقع وأعد التحميل.