Silabus Pelajaran 176 dari 250 · Membangun Agent (Tool-Use & ReAct)
Membangun Agent (Tool-Use & ReAct)

Perencanaan, Refleksi & Perencanaan Ulang

satu loop ReAct saja cukup untuk satu pemanggilan tool, tapi tugas nyata punya langkah: riset topik, lalu ringkas; pesan tiket pesawat, lalu hotel. Agen yang cakap tidak mengimprovisasi satu tindakan setiap saat. Ia membuat rencana, mengerjakannya, dan merefleksikan setelah setiap langkah untuk memutuskan apakah akan lanjut, memperbaiki arah, atau berhenti. Siklus rencana-aksi-refleksi itulah yang membuat agen bisa menyelesaikan tugas panjang tanpa tersesat.

1. Uraikan tujuan menjadi sebuah rencana

Planning berarti mengubah tujuan yang samar menjadi daftar subtugas yang teratur. Di produksi, model menulis rencana ini; di sini kita membuatnya deterministik dan berbasis keyword agar bisa diuji. Ide yang sama, output yang tetap:

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. Renungkan hasil dari setiap langkah

Setelah subtask berjalan, agen melihat hasilnya dan membuat keputusan control decision. Kita memberinya dict hasil kecil {"ok": bool, "last": bool} (apakah langkah berhasil, dan apakah itu langkah terakhir) dan tiga kemungkinan keputusan:

  • "replan" - langkah failed. Apa pun yang kita coba tidak berhasil, jadi rencana saat ini mencurigakan.
  • "done" - langkah berhasil dan itu adalah yang terakhir. Tujuannya tercapai.
  • "continue" - ini berhasil tapi masih ada yang harus dilakukan. Pindah ke subtugas berikutnya.

Urutan itu penting: kegagalan berarti "replan" bahkan pada langkah terakhir (langkah akhir yang rusak bukan "done").

3. Rencanakan ulang sekali saat gagal

Controller menyatukan semuanya. Ia menjalankan rencana, memanggil execute(subtask) untuk setiap langkah, menandai apakah itu langkah terakhir, dan melakukan refleksi. Pada "continue" ia maju; pada "done" ia berhenti dengan sukses; pada "replan" ia membangun rencana pemulihan baru dan mulai lagi - tapi hanya sampai max_replans kali, jadi tugas yang mustahil tidak bisa looping selamanya (disiplin loop-guard dari sebelumnya). Jika kehabisan rencana, ia berhenti dengan "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 adalah mock di sini - fungsi yang kamu masukkan yang mengembalikan {"ok": ...} untuk subtask - menggantikan pemanggilan tool asli supaya controller sepenuhnya deterministik dan bisa diuji. Di agent asli, controller yang sama menjalankan tool nyata dan rencana buatan model tanpa mengubah logikanya. Tekan Run untuk melihat rencana berhasil, lalu lihat satu gagal di satu langkah dan pulih saat replan.

Giliranku

Buat pengontrol perencanaan. Tulis decompose(goal) yang mengembalikan daftar subtugas terurut (research/report -> ["gather sources", "extract facts", "write summary"]; trip/travel -> ["pick dates", "book flights", "book hotel"]; lainnya -> ["understand goal", "do the work", "review result"]). Tulis reflect(step_result) di atas {"ok", "last"} yang mengembalikan "replan" jika tidak ok, jika terakhir kembalikan "done", jika tidak "continue". Tulis replan(goal, failed_step) -> rencana pemulihan yang mencoba ulang langkah yang gagal dan tetap melakukan setiap langkah setelahnya di decompose(goal): untuk tujuan riset yang gagal di "extract facts", ["retry: extract facts", "write summary"]. (Rencana pemulihan yang melewati sisa pekerjaan dan melaporkan "done" adalah bug agen klasik: ringkasannya tidak pernah ditulis.) Jika failed_step adalah percobaan ulang, hapus awalan "retry: " dulu agar tidak ganda. Lalu tulis run_plan(goal, execute, max_replans=1) yang menjalankan rencana, memanggil execute(subtask) (mengembalikan {"ok": bool}), melakukan refleksi (kamu atur last), mencatat jejak (subtask, ok, decision), merencanakan ulang hingga max_replans kali saat gagal (memulai ulang rencana pemulihan dari langkah pertama), dan mengembalikan {"status": "done"|"failed", "trace": [...], "replans": int}.

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.