Planung, Reflexion & Umplanung
Eine einzelne ReAct-Schleife reicht für einen Tool-Aufruf, aber echte Aufgaben haben Schritte: ein Thema recherchieren, dann zusammenfassen; einen Flug buchen, dann ein Hotel. Ein fähiger Agent improvisiert nicht eine Aktion nach der anderen - er macht einen Plan, arbeitet ihn ab und reflektiert nach jedem Schritt, um zu entscheiden, ob er weitermacht, den Kurs korrigiert oder aufhört. Dieser Kreislauf aus Planen, Handeln und Reflektieren lässt einen Agenten eine lange Aufgabe beenden, ohne abzuschweifen.
1. Zerlege das Ziel in einen Plan
Planen heißt, ein vages Ziel in eine geordnete Liste von Teilaufgaben zu verwandeln. In Produktion schreibt das Modell diesen Plan; hier machen wir ihn deterministisch und schlüsselwortgesteuert, damit er testbar ist. Dieselbe Idee, festgelegte Ausgabe:
def decompose(goal):
g = goal.lower()
if "research" in g or "report" in g:
return ["gather sources", "extract facts", "write summary"]
elif "trip" in g or "travel" in g:
return ["pick dates", "book flights", "book hotel"]
return ["understand goal", "do the work", "review result"]2. Reflektiere über das Ergebnis jedes Schritts
Nachdem eine Teilaufgabe gelaufen ist, schaut sich der Agent das Ergebnis an und trifft eine Steuerentscheidung. Wir geben ihm ein kleines Ergebnis-Dict {"ok": bool, "last": bool} (ist der Schritt gelungen, und ist es der letzte Schritt) und drei mögliche Entscheidungen:
"replan"- der Schritt ist gescheitert. Was wir auch versucht haben, es hat nicht funktioniert, also ist der aktuelle Plan verdächtig."done"- der Schritt ist gelungen und war der letzte. Das Ziel ist erreicht."continue"- er ist gelungen, aber es gibt noch mehr zu tun. Geh zur nächsten Teilaufgabe.
Die Reihenfolge zählt: Ein Fehlschlag bedeutet "replan", selbst beim letzten Schritt (ein kaputter letzter Schritt ist nicht "done").
3. Plane bei einem Fehlschlag einmal neu
Der Controller bringt alles zusammen. Er geht den Plan ab, ruft für jeden Schritt execute(subtask) auf, merkt sich, ob es der letzte war, und reflektiert. Bei "continue" geht er weiter; bei "done" hört er erfolgreich auf; bei "replan" baut er einen neuen Rettungsplan und fängt von vorn an - aber höchstens max_replans Mal, damit eine hoffnungslose Aufgabe nicht ewig kreist (die Disziplin des Schleifenwächters von vorhin). Sind die Neuplanungen aufgebraucht, hört er mit "failed" auf.
def replan(goal, failed_step):
# retry the failed step, then still do every step that came after it
base = failed_step[len("retry: "):] if failed_step.startswith("retry: ") else failed_step
plan = decompose(goal)
rest = plan[plan.index(base) + 1:] if base in plan else []
return ["retry: " + base] + restexecute ist hier eine Attrappe - eine Funktion, die du übergibst und die für eine Teilaufgabe {"ok": ...} zurückgibt - anstelle der echten Tool-Aufrufe, damit der Controller vollständig deterministisch und testbar ist. In einem echten Agenten steuert derselbe Controller echte Tools und einen vom Modell geschriebenen Plan, ohne seine Logik zu ändern. Drück auf Run, um einen Plan gelingen zu sehen, und dann einen, der bei einem Schritt scheitert und sich bei der Neuplanung erholt.
Erstelle einen Planungs-Controller. Schreibe decompose(goal), das die geordnete Liste der Teilaufgaben zurückgibt (recherche/bericht -> ["gather sources", "extract facts", "write summary"]; trip/reise -> ["pick dates", "book flights", "book hotel"]; sonst -> ["understand goal", "do the work", "review result"]). Schreibe reflect(step_result) über {"ok", "last"}, das "replan" zurückgibt, wenn nicht ok, sonst "done", wenn zuletzt, sonst "continue". Schreibe replan(goal, failed_step) -> einen Erholungsplan, der den fehlgeschlagenen Schritt wiederholt und dann trotzdem jeden Schritt ausführt, der danach in decompose(goal) kam: für ein Rechercheziel, das an "extract facts", ["retry: extract facts", "write summary"] fehlschlägt. (Ein Erholungsplan, der die restliche Arbeit überspringt und "fertig" meldet, ist der klassische Agenten-Bug: die Zusammenfassung wurde nie geschrieben.) Wenn failed_step selbst ein Wiederholungsversuch ist, entferne zuerst das "retry: " Präfix, damit es nicht doppelt erscheint. Schreibe dann run_plan(goal, execute, max_replans=1), das den Plan abläuft, execute(subtask) aufruft (gibt {"ok": bool} zurück), reflektiert (du setzt last), einen (subtask, ok, decision) Trace aufzeichnet, bei einem Fehler bis zu max_replans Mal neu plant (den Erholungsplan ab seinem ersten Schritt neu startet) und {"status": "done"|"failed", "trace": [...], "replans": int} zurückgibt.
Ein Problem in dieser Lektion entdeckt? Melde es · Frage zu dieser Lektion
Diese Übung öffnet bald
Beende die vorherige Lektion, damit diese freigeschaltet wird. Der ganze Kurs ist kostenlos, kein Konto erforderlich, und du kannst diese Lektion jetzt direkt lesen.
Dieser Browser blockiert Cookies für learn.floati.life, daher können hier beendigte Lektionen nicht in der richtigen Reihenfolge geöffnet werden. Erlaube Cookies für diese Seite und lade sie neu.