Программа курса Урок 231 из 250 · Проект: Исследовательский агент с использованием инструментов
Проект: Исследовательский агент с использованием инструментов

Подключите ReAct Loop Агента

Теперь самое сердце проекта: цикл ReAct (Reason -> Act -> Observe), управляющий цикл за практически каждым фреймворком агентов. Модель не отвечает за один раз. Она думает один шаг, выбирает инструмент, запускает его, читает результат, и только тогда решает, что делать дальше. Ваша задача написать этот цикл на чистом Python поверх моковых инструментов, чтобы вы понимали механику вместо того, чтобы воспринимать LangChain как черный ящик.

В реальном развертывании шаг "reason" это вызов LLM. Здесь мы заменяем модель на маленькую детерминированную policy так что вся вещь тестируема офлайн (без сети, без API). policy смотрит на задачу и на собранные до сих пор наблюдения, и возвращает следующее действие. Это разделение и есть настоящий урок: loop универсален; только policy умная.

A задача это крошечное задание которое читает политика:

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

Вы построите run_agent(task, tools, max_steps=8). Она возвращает trace: упорядоченный список (thought, tool, args, observation) кортежей, по одному на каждый шаг. Этот trace это вся история рассуждений агента, и это именно то, что вы логируете, воспроизводите и (в следующих уроках) оцениваете.

Логика, которую кодирует цикл, каждая итерация:

  • Если какой-то нужный факт все еще неизвестен, следующим действием является search для первого отсутствующего. Запишите наблюдение и запомните факт.
  • Когда все факты собраны и у задачи есть op, следующим действием является calc объединение двух фактов. Запомни результат.
  • Когда делать больше нечего, выполни финальное finish действие, чье наблюдение является ответом, и остановись.
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

Словарь tools в духе вашего реестра из урока 1: search(args) разрешает факт, calc(args) применяет op к a и b. запечатанный ответ это calc результат, когда есть op, или единственный найденный факт, когда его нет. Градиер проверяет пошаговую (tool, args, observation) последовательность и финальный ответ, поэтому цикл должен реально правильно направлять, а не угадывать. Он также запускает вторую, другую задачу, поэтому жестко прописанный trace не пройдет. Нажмите Run, чтобы увидеть, как задача из двух фактов логически приходит к ответу.

Твоя очередь

Напишите make_tools(), возвращающий словарь с search(args) (разрешите args["query"] через таблицу FACTS из стартового кода; "not found" если отсутствует) и calc(args) (примените args["op"] к args["a"], args["b"] для + - * /). Затем напишите run_agent(task, tools, max_steps=8), реализующий цикл reason-act-observe: ищи каждый отсутствующий ключ в task["need"] (сначала первый отсутствующий), затем calc если task["op"] установлено, затем финальный шаг finish, написанный как (thought, "finish", {"answer": answer}, answer). Верните упорядоченный список кортежей (thought, tool, args, observation); финальный ответ это результат calc, или единственный факт, когда нет op.

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.