Планирование, Рефлексия и Перепланирование
Одного цикла ReAct хватает для одного вызова инструмента, но в реальных задачах есть шаги: изучить тему, затем подвести итог; забронировать рейс, затем отель. Толковый агент не импровизирует по одному действию за раз: он составляет план, проходит по нему и оценивает результат после каждого шага, чтобы решить, продолжать, поправить курс или остановиться. Именно цикл «план, действие, оценка» позволяет агенту довести длинную задачу до конца и не блуждать.
1. Разложите цель на план
Планирование означает превращение туманной цели в упорядоченный список подзадач. В продакшене модель пишет этот план; здесь мы делаем его детерминированным и управляемым ключевыми словами, чтобы его можно было протестировать. Та же идея, фиксированный вывод:
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. Подумайте о результате каждого шага
После выполнения подзадачи агент смотрит на результат и принимает контрольное решение. Мы даем ему маленький словарь результатов {"ok": bool, "last": bool} (успешен ли шаг и является ли он финальным) и три возможных решения:
"replan"- шаг failed. Все, что мы пробовали, не сработало, поэтому текущий план вызывает подозрения."done"- шаг выполнен и он был последним. Цель достигнута."continue"- это прошло успешно, но нужно сделать еще кое-что. Переходите к следующей подзадаче.
Порядок важен: ошибка означает "replan" даже на последнем шаге (сломанный финальный шаг не является "done").
3. Перепланируй один раз при ошибке
Контроллер связывает всё воедино. Он проходит по плану, вызывает execute(subtask) для каждого шага, отмечает, был ли он последним, и делает размышления. На "continue" он продвигается; на "done" он успешно останавливается; на "replan" он строит новый план восстановления и начинает заново, но только до max_replans раз, чтобы безнадежная задача не могла бесконечно крутиться в цикле (дисциплина loop-guard из предыдущего раздела). Если планы закончились, он останавливается с "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 это заглушка здесь - функция, которую вы передаете и которая возвращает {"ok": ...} для подзадачи - она заменяет реальные вызовы инструментов, чтобы контроллер был полностью детерминированным и тестируемым. В живом агенте тот же контроллер управляет реальными инструментами и планом, написанным моделью, без изменения его логики. Нажмите Run, чтобы увидеть, как план проходит успешно, затем посмотрите, как один шаг терпит неудачу и восстанавливается при перепланировании.
Создайте контроллер планирования. Напишите decompose(goal), возвращающий упорядоченный список подзадач (research/report -> ["gather sources", "extract facts", "write summary"]; trip/travel -> ["pick dates", "book flights", "book hotel"]; иначе -> ["understand goal", "do the work", "review result"]). Напишите reflect(step_result) над {"ok", "last"}, возвращающий "replan", если не ок, иначе "done", если это последнее, иначе "continue". Напишите replan(goal, failed_step) -> план восстановления, который повторяет неудачный шаг, а затем все равно выполняет каждый шаг, который шел после него в decompose(goal): для цели исследования, терпящей неудачу в "extract facts", ["retry: extract facts", "write summary"]. (План восстановления, который пропускает оставшуюся работу и сообщает "done", это классический баг агента: итог так и не был написан.) Если failed_step сам является повтором, сначала удалите префикс "retry: ", чтобы он не дублировался. Затем напишите run_plan(goal, execute, max_replans=1), который проходит по плану, вызывает execute(subtask) (возвращает {"ok": bool}), проводит рефлексию (вы устанавливаете last), записывает трассировку (subtask, ok, decision), планирует заново до max_replans раз при неудаче (перезапуская план восстановления с его первого шага) и возвращает {"status": "done"|"failed", "trace": [...], "replans": int}.
Заметили проблему в этом уроке? Сообщите о ней · Спросить об этом уроке
Это упражнение откроется скоро
Закончи предыдущий урок, чтобы открылся этот. Весь курс бесплатный, аккаунт не нужен, и ты можешь прочитать этот урок прямо сейчас.
Этот браузер блокирует cookies для learn.floati.life, поэтому завершенные здесь уроки не могут открыться по порядку. Разрешите cookies для этого сайта и перезагрузите страницу.