规划、反思与重新规划
单个 ReAct 循环适合一次工具调用,但真实的任务有步骤:研究一个主题,然后总结;订一张机票,然后订一家酒店。一个能干的智能体不会一次即兴发挥一个动作:它制定一个计划,一步步完成它,并在每一步之后反思,决定是继续、纠正方向还是停下。正是这个"计划-行动-反思"的循环,让智能体能完成一个长任务而不迷路。
1. 把目标分解成一个计划
规划就是把一个模糊的目标变成一个有序的子任务列表。在生产环境里由模型来写这个计划;这里我们让它确定性的、由关键词驱动,这样就可以测试。同样的想法,固定的输出:
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. 反思每一步的结果
一个子任务运行之后,智能体会看看结果并做出一个控制决定。我们给它一个小小的结果字典 {"ok": bool, "last": bool}(这一步成功了吗,它是最后一步吗)以及三种可能的决定:
"replan":这一步失败了。我们尝试的东西没有奏效,所以当前的计划值得怀疑。"done":这一步成功了,而且是最后一步。目标达成了。"continue":它成功了,但还有更多要做。转到下一个子任务。
顺序很重要:失败就意味着 "replan",即使在最后一步也是如此(一个坏掉的最后一步不是 "done")。
3. 失败时重新规划一次
控制器把它们串在一起。它走过计划,为每一步调用 execute(subtask),标出它是否是最后一步,然后反思。遇到 "continue" 它就前进;遇到 "done" 它就成功地停下;遇到 "replan" 它就建立一个新的恢复计划并重新开始,但最多只做 max_replans 次,这样一个无望的任务就不会永远循环下去(这是前面讲过的循环防护纪律)。重新规划的次数用完了,它就以 "failed" 停下。
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这里的 execute 是一个模拟:一个你传进去、为一个子任务返回 {"ok": ...} 的函数,它代替真正的工具调用,让控制器完全确定、可以测试。在一个实时运行的智能体里,同一个控制器会驱动真正的工具和一个由模型写的计划,而不用改变它的逻辑。按 Run,看一个计划成功,然后看另一个计划在某一步失败,并在重新规划后恢复过来。
构建一个规划控制器。写 decompose(goal),返回有序的子任务列表(research/report -> ["gather sources", "extract facts", "write summary"];trip/travel -> ["pick dates", "book flights", "book hotel"];否则 -> ["understand goal", "do the work", "review result"])。在 {"ok", "last"} 上写 reflect(step_result),如果不 ok 就返回 "replan",否则如果是最后一步就返回 "done",否则返回 "continue"。写 replan(goal, failed_step) -> 一个恢复计划,它重试失败的那一步,然后仍然做 decompose(goal) 中在它之后的每一步:对于一个在 "extract facts" 失败的研究目标,就是 ["retry: extract facts", "write summary"]。(一个跳过剩下的工作、却报告"done"的恢复计划,是智能体的经典 bug:总结根本没写。)如果 failed_step 本身就是一次重试,就先去掉 "retry: " 前缀,这样它不会重复。然后写 run_plan(goal, execute, max_replans=1),它走过计划,调用 execute(subtask)(返回 {"ok": bool}),反思(last 由你来设置),记录一条 (subtask, ok, decision) 轨迹,在失败时最多重新规划 max_replans 次(从恢复计划的第一步重新开始),并返回 {"status": "done"|"failed", "trace": [...], "replans": int}。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。