سرفصل‌ها درس 231 از 250 · پروژه: عامل پژوهشی ابزار-استفاده‌کننده
پروژه: عامل پژوهشی ابزار-استفاده‌کننده

حلقهٔ ReAct نماینده را سیم‌کشی کنید

اکنون قلب پروژه: حلقهٔ ReAct (دلیل -> عمل -> مشاهده)، حلقهٔ کنترلی پشت عملاً هر چارچوب عامل. مدل یک‌باره پاسخ نمی‌دهد. یک قدم فکر می‌کند، ابزاری را انتخاب می‌کند، آن را اجرا می‌کند، نتیجه را می‌خواندو تنها پس از آن تصمیم می‌گیرد که گام بعدی چیست. وظیفه‌ی شما این است که آن حلقه را با پایتون خالص و بدون استفاده از ابزارهای mock بنویسید تا سازوکار را درک کنید، به‌جای اینکه LangChain را به‌عنوان یک جعبه‌ی سیاه در نظر بگیرید.

در یک استقرار واقعی، مرحله "reason" یک فراخوانی LLM است. در اینجا مدل را با یک مدل کوچک و تعیین‌گرا جایگزین می‌کنیم. سیاست پس کل ماجرا به‌صورت آفلاین قابل آزمایش است (بدون شبکه، بدون API). سیاست به وظیفه و مشاهدات جمع‌آوری‌شده تاکنون نگاه می‌کند و اقدام بعدی را بازمی‌گرداند. این جداسازی درس واقعی است: حلقه کلی است؛ فقط سیاست هوشمند است.

یک وظیفه یک مشخصهٔ کوچک است که سیاست آن را می‌خواند:

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

تو خواهی ساخت run_agent(task, tools, max_steps=8). آن یک را بازمی‌گرداند ردگیری: یک فهرست مرتب از (thought, tool, args, observation) تُپل‌ها، یکی برای هر گام. آن ردپای اجرایی کل تاریخچه استدلال عامل است و دقیقاً همان چیزی است که شما ثبت می‌کنید، دوباره پخش می‌کنید و (در درس‌های بعدی) ارزیابی می‌کنید.

دلیل‌پردازی حلقه‌ای که رمزگذاری می‌کند، در هر تکرار:

  • اگر هر حقیقت لازم هنوز نامشخص، اقدام بعدی است search برای اولین مورد گمشده. مشاهدۀ آن را ثبت کنید و این واقعیت را به خاطر بسپارید.
  • روزی تمام حقایق گردآوری شده‌اند و وظیفه یک op، اقدام بعدی است calc برای ترکیب این دو واقعیت. نتیجه را به خاطر بسپار.
  • وقتی دیگر کاری برای انجام دادن باقی نماند، یک نهایی منتشر کن finish اقدامی که مشاهدهٔ آن پاسخ است، و 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

آن tools dict رجیستری شما از درس اول در spirit است: search(args) یک واقعیت را حل می‌کند calc(args) اعمال می‌شود op به a و b. آن پاسخ نهایی است calc نتیجه وقتی که یک op، یا همان حقیقت واحدی که وقتی وجود ندارد جستجو می‌شود. نمره‌دهنده مرحله به مرحله بررسی می‌کند. (tool, args, observation) ترتیب و پاسخ نهایی، بنابراین حلقه باید واقعاً مسیریابی را به‌درستی انجام دهد، نه اینکه حدس بزند. همچنین یک را اجرا می‌کند دوم، متفاوت وظیفه، بنابراین یک ردیابی سخت‌کدشده نمی‌تواند عبور کند. فشار دهید دوندن تماشای اینکه یک مسئلهٔ دو‌حقیقته‌ای چگونه با استدلال به پاسخ می‌رسد.

نوبت شما

نوشتن make_tools() بازگرداندن یک dict با search(args) (حل‌کردن args["query"] در برابر FACTS جدول ارائه‌شده در شروع؛ "not found" در صورت عدم وجود) و calc(args) (اعمال args["op"] روی args["a"], args["b"] برای + - * /). سپس بنویسید run_agent(task, tools, max_steps=8) پیاده‌سازی حلقه دلیل-اقدام-مشاهده: جستجوی هر کلید هنوز مفقود در task["need"] (ابتدا کلیدهای هنوز مفقودشده را اول)، سپس calc اگر task["op"] تنظیم می‌شود، سپس یک نهایی finish مرحله نوشته شده به صورت (thought, "finish", {"answer": answer}, answer). لیست مرتب‌شده را بازگردانید (thought, tool, args, observation) تُپل‌ها؛ پاسخ نهایی است. calc نتیجه، یا یک واقعیت واحد زمانی که هیچ op.

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.