نگهبانان حلقه: max_steps و توقف عمل تکراری
یک عامل که بتواند وارد حلقه شود، میتواند برای همیشه در آن بماند. مدل گیج میشود، همان تماس ابزار معیوب را تکرار میکند و شما با قبض پنجرقمی بیدار میشوید. گاردریلها اختیاری نیستند – آنها تفاوت بین یک دمو و چیزی هستند که جلوی مشتری قرار میدهید. دو گارد تقریباً همه چیز را میگیرند: سقف مرحلهای سخت و تشخیص اقدام تکراری.
شما خواهید ساخت run_with_guard(plan, tools, max_steps). این برنامه همان نوع پلان قبلی را اجرا میکند، اما به جای صرفاً یک ردیابی، یک گزارش کوتاه برمیگرداند: {"status": ..., "trace": [...]}، که status یکی از سه نتیجه است:
"max_steps"- عامل قبل از اتمام به سقف مرحلهای برخورد کرد. متوقف شوید و آن را علامتگذاری کنید."loop_detected"- عامل دقیقاً همان عملی را که قبلاً انجام داده (ابزار و آرگومانهای یکسان) دوباره امتحان کرد. این یک حلقه است؛ قبل از اینکه وارد چرخه شود متوقفش کنید."done"- برنامه به طور عادی تکمیل شد (مرحلهها تمام شد یا به یک"finish"اقدام).
اقداماتی را که دیدهاید ردیابی کنید تا تشخیص تکرارها آسان باشد. یک dict قابل هش نیست، بنابراین ابتدا هر اقدام را به یک کلید قابل هش تبدیل کنید:
seen = set()
...
key = (action, repr(args)) # repr makes the args dict hashable
if key in seen:
return {"status": "loop_detected", "trace": trace}
seen.add(key)ردیابی در نقطه توقف قطع میشود: وقتی روی max_steps یا loop_detected، ردیابی آنچه تا آن لحظه واقعاً اجرا شده است را بازگردانید، نه کل برنامه. آن ردیابی کوتاهشده گزارش حادثه شماست - دقیقاً نشان میدهد که عامل در کجا از مسیر خارج شده است.
قبل از ضبط یک گام، سقف گام و تکرار را بررسی کنید تا شمارشها با هم همتراز شوند: با max_steps=3 ردیابی حداکثر ۳ ورودی را در خود نگه میدارد و یک عمل تکراری قبل از اینکه برای بار دوم اجرا شود، ثبت میشود. دکمه Run را فشار دهید تا هر سه نتیجه را مشاهده کنید.
نوشتن run_with_guard(plan, tools, max_steps=10) بازگشت {"status": ..., "trace": [...]}. متوقف کن با "max_steps" وقتی ردیابی به max_steps ورودیها، با "loop_detected" وقتی یک عمل دقیقاً تکرار میشود (همان ابزار و آرگومانها)، و با "done" وقتی برنامه کامل میشود یا به "finish". قبل از ضبط هر مرحله، گاردها را بررسی کنید تا ردپایه در نقطه توقف کوتاه شود.
مشکلی در این درس دیدید؟ گزارشش کنید · دربارهٔ این درس بپرسید
این تمرین بهزودی باز میشود
درس پیش از آن را تمام کنید تا این یکی باز شود. کل دوره رایگان است، حساب کاربری لازم نیست، و میتوانید همین الان این درس را بخوانید.
این مرورگر کوکیهای learn.floati.life را مسدود میکند، پس درسهایی که اینجا تمام کردید نمیتوانند به ترتیب باز شوند. کوکیها را برای این سایت مجاز کنید و صفحه را دوباره بارگذاری کنید.