برنامهریزی، بازاندیشی و برنامهریزی مجدد
یک حلقه ReAct برای یک فراخوان ابزار کافی است، اما کارهای واقعی چند مرحله دارند: تحقیق درباره یک موضوع، سپس خلاصهسازی؛ رزرو پرواز، سپس هتل. یک عامل توانمند هر بار یک اقدام را بداههوار انجام نمیدهد؛ بلکه برنامهریزی میکند، آن را اجرا میکند و پس از هر مرحله بازتاب میکند تا تصمیم بگیرد آیا ادامه دهد، مسیر را اصلاح کند یا متوقف شود. این چرخهٔ برنامهریزی-اقدام-بازتاب است که به عامل اجازه میدهد یک وظیفهٔ طولانی را بدون سرگردانی به پایان برساند.
۱. هدف را به یک برنامه تجزیه کنید
برنامهریزی یعنی تبدیل یک هدف مبهم به یک فهرست مرتب از زیرکارها. در تولید مدل این برنامه را مینویسد؛ اینجا آن را تعیینکننده و مبتنی بر کلمات کلیدی میکنیم تا قابل آزمون باشد. ایده یکسان، خروجی ثابت:
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"]۲. بازتاب بر نتیجه هر مرحله
پس از اجرای یک زیرمجموعه کار، عامل به نتیجه نگاه میکند و یک تصمیم کنترلی میگیرد. ما به آن یک دیکشنری نتیجه کوچک میدهیم {"ok": bool, "last": bool} (آیا مرحله با موفقیت انجام شد و آیا مرحله نهایی است) و سه تصمیم ممکن:
"replan"- مرحله ناموفق بود. هر کاری که انجام دادیم جواب نداد، بنابراین برنامه فعلی مشکوک است."done"- مرحله با موفقیت به پایان رسید و آخرین مرحله بود. هدف محقق شد."continue"- موفق شد اما هنوز کارهای بیشتری باقی مانده است. به سراغ زیرمجموعه بعدی بروید.
ترتیب اهمیت دارد: یک شکست به معنای "replan" حتی در آخرین مرحله (یک مرحله نهایی خراب نیست "done").
۳. در صورت شکست، یکبار برنامهریزی مجدد انجام دهید
کنترلکننده همه را به هم پیوند میدهد. آن برنامه را اجرا میکند، فراخوانی میکند execute(subtask) برای هر مرحله، مشخص میکند که آیا آخرین مرحله بوده است یا خیر و بازتاب میدهد. در "continue" پیش میرود؛ روی "done" با موفقیت متوقف میشود؛ در "replan" یک طرح بازیابی جدید میسازد و از نو شروع میکند - اما فقط تا max_replans بار، بنابراین یک وظیفه ناامیدکننده نمیتواند برای همیشه در حلقه بماند (انضباط نگهبان-حلقه از قبل). وقتی همه طرحهای مجدد تمام شود، با "failed".
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 اینجا یک mock است - تابعی که به آن پاس میدهید و بازمیگرداند {"ok": ...} برای یک زیرمجموعه کار - که جایگزین فراخوانی ابزارهای واقعی میشود تا کنترلکننده کاملاً قطعی و قابل آزمون باشد. در یک عامل زنده، همین کنترلکننده ابزارهای واقعی و یک طرح نوشتهشده توسط مدل را بدون تغییر منطق آن اجرا میکند. دکمه Run را فشار دهید تا ببینید یک طرح با موفقیت اجرا میشود، سپس ببینید چگونه یک طرح در یک مرحله شکست میخورد و در بازطرحی بازیابی میشود.
یک کنترلکننده برنامهریزی بسازید. بنویسید decompose(goal) بازگرداندن فهرست زیرمجموعههای مرتبشده (تحقیق/گزارش -> ["gather sources", "extract facts", "write summary"]; سفر/گردش -> ["pick dates", "book flights", "book hotel"]; در غیر این صورت -> ["understand goal", "do the work", "review result"]). بنویسید reflect(step_result) over {"ok", "last"} بازگرداندن "replan" اگر درست نیست، در غیر این صورت "done" if last, else "continue". بنویسید replan(goal, failed_step) -> یک طرح بازیابی که مرحلهٔ شکستخورده را دوباره امتحان میکند و سپس همچنان هر مرحلهای را که پس از آن آمده است در decompose(goal): برای یک هدف پژوهشی که در "extract facts", ["retry: extract facts", "write summary"]. (یک طرح بازیابی که کارهای باقیمانده را نادیده گرفته و «انجام شد» گزارش میکند، خطای کلاسیک عامل است: خلاصه هرگز نوشته نشد.) اگر failed_step خودش یک تلاش مجدد است، strip the "retry: " ابتدا پیشوند را بنویسید تا تکراری نشود. سپس بنویسید run_plan(goal, execute, max_replans=1) که طرح را پیمایش میکند، فراخوانی میکند execute(subtask) (بازمیگرداند {"ok": bool})، منعکس میکند (شما تنظیم کردهاید last)، یک را ثبت میکند (subtask, ok, decision) ردیابی، تا دوباره برنامهریزی میکند، بازتاب میدهد (شما را تنظیم میکنید)، در صورت شکست تا ‑بار ثبت میکند (بازآغاز طرح بازیابی از گام اول)، و بازمیگردد. max_replans بار در صورت شکست (راهاندازی مجدد طرح بازیابی از گام اول آن) و بازمیگردد {"status": "done"|"failed", "trace": [...], "replans": int}.
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.