Programme Leçon 176 sur 250 · Créer des Agents (Utilisation d'outils et ReAct)
Créer des Agents (Utilisation d'outils et ReAct)

Planification, Réflexion et Replanification

Une seule boucle ReAct suffit pour un appel d'outil, mais les vraies tâches ont des étapes : se renseigner sur un sujet, puis résumer ; réserver un vol, puis un hôtel. Un agent compétent n'improvise pas une action à la fois - il fait un plan, le suit, et réfléchit après chaque étape pour décider s'il continue, corrige le cap ou s'arrête. C'est ce cycle planifier-agir-réfléchir qui permet à un agent de finir une longue tâche sans s'égarer.

1. Décompose l'objectif en un plan

La planification signifie transformer un objectif flou en une liste ordonnée de sous-tâches. En production, le modèle écrit ce plan; ici, nous le rendons déterministe et basé sur des mots-clés pour qu'il soit testable. Même idée, sortie fixée:

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. Réfléchis au résultat de chaque étape

Après qu'une sous-tâche s'exécute, l'agent regarde le résultat et prend une décision de contrôle. On lui donne un petit dictionnaire de résultat {"ok": bool, "last": bool} (l'étape a-t-elle réussi, et est-ce l'étape finale) et trois décisions possibles :

  • "replan" - l'étape a échoué. Ce que nous avons essayé n'a pas marché, donc le plan actuel est suspect.
  • "done" - l'étape a réussi et c'était la dernière. L'objectif est atteint.
  • "continue" - ça a réussi mais il y a encore des choses à faire. Passe à la sous-tâche suivante.

L'ordre est important : un échec signifie "replan" même à la dernière étape (une étape finale cassée n'est pas "done").

3. Refaire le plan une fois en cas d'échec

Le contrôleur lie le tout ensemble. Il suit le plan, appelle execute(subtask) pour chaque étape, marque si c'était la dernière, et réfléchit. Sur "continue" il avance; sur "done" il s'arrête avec succès; sur "replan" il construit un nouveau plan de récupération et recommence - mais seulement jusqu'à max_replans fois, pour qu'une tâche sans espoir ne puisse pas boucler à l'infini (la discipline de boucle-guard vue plus tôt). S'il n'y a plus de plans de récupération, il s'arrête avec "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] + rest

execute est un faux ici - une fonction que tu passes qui retourne {"ok": ...} pour une sous-tâche - remplaçant les appels d'outils réels pour que le contrôleur soit entièrement déterministe et testable. Dans un agent réel, le même contrôleur pilote des outils réels et un plan écrit par un modèle sans changer sa logique. Appuie sur Run pour voir un plan réussir, puis regarde un autre échouer une étape et se rétablir sur le replan.

À ton tour

Construis un contrôleur de planification. Écris decompose(goal) retournant la liste des sous-tâches ordonnées (recherche/rapport -> ["gather sources", "extract facts", "write summary"]; voyage/déplacement -> ["pick dates", "book flights", "book hotel"]; sinon -> ["understand goal", "do the work", "review result"]). Écris reflect(step_result) sur {"ok", "last"} retournant "replan" si pas ok, sinon "done" si dernier, sinon "continue". Écris replan(goal, failed_step) -> un plan de récupération qui réessaie l'étape échouée et fait ensuite chaque étape qui venait après dans decompose(goal): pour un objectif de recherche échouant à "extract facts", ["retry: extract facts", "write summary"]. (Un plan de récupération qui saute le travail restant et rapporte "done" est le bug d'agent classique: le résumé n'a jamais été écrit.) Si failed_step est lui-même une tentative, retire le préfixe "retry: " d'abord pour qu'il ne soit pas doublé. Écris ensuite run_plan(goal, execute, max_replans=1) qui parcourt le plan, appelle execute(subtask) (retourne {"ok": bool}), réfléchit (tu définis last), enregistre une trace (subtask, ok, decision), replanifie jusqu'à max_replans fois en cas d'échec (redémarrant le plan de récupération à sa première étape), et retourne {"status": "done"|"failed", "trace": [...], "replans": int}.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.