接好智能体的 ReAct 循环
现在是项目的核心:ReAct 循环(推理 -> 行动 -> 观察),基本上每个智能体框架背后都是这个控制循环。模型不是一次就给出答案。它思考一步,选一个工具,运行它,读取结果,然后才决定下一步做什么。你的任务是用普通的 Python 在模拟工具上写出这个循环,这样你就能理解这套机制,而不是把 LangChain 当成一个黑箱。
在真实部署中,"推理"那一步是一次 LLM 调用。这里我们用一个小小的确定性策略代替模型,这样整个东西就能离线测试(没有网络,没有 API)。策略查看任务和到目前为止收集到的观察结果,然后返回下一个动作。这种分离才是真正的一课:循环是通用的;只有策略是聪明的。
任务是一份策略会读取的小说明:
task = {"need": ["team size", "office floors"], "op": "*"}
# "look up these facts, then combine them with this operator"你要构建 run_agent(task, tools, max_steps=8)。它返回一条轨迹:一个由 (thought, tool, args, observation) 元组组成的有序列表,每一步一个。这条轨迹就是智能体完整的推理历史,也正是你要记录、回放并(在接下来的课程里)评估的东西。
循环所编码的推理,每一轮:
- 如果任何需要的事实仍然未知,下一个动作就是对第一个缺失的事实做
search。记录观察结果并记住这个事实。 - 一旦所有事实都收集齐了并且任务有一个
op,下一个动作就是calc,把两个事实组合起来。记住结果。 - 当没有什么要做的了,就发出一个最终的
finish动作,它的观察结果就是答案,然后停止。
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 finishtools 字典在精神上就是你第 1 课里的注册表:search(args) 解析一个事实,calc(args) 把 op 应用到 a 和 b 上。有 op 时,最终答案是 calc 的结果;没有时,就是查到的那一个事实。评分器检查逐步的 (tool, args, observation) 序列和最终答案,所以循环必须真正正确地路由,而不是去猜。它还会运行第二个不同的任务,所以硬编码的轨迹无法通过。按 Run,看一个需要两个事实的任务一步步推理出答案。
写 make_tools(),返回一个字典,包含 search(args)(用起始代码给出的 FACTS 表解析 args["query"];不存在时返回 "not found")和 calc(args)(对 args["a"]、args["b"] 应用 args["op"],支持 + - * /)。然后写 run_agent(task, tools, max_steps=8),实现推理-行动-观察循环:对 task["need"] 中每个仍然缺失的键做 search(先查第一个缺失的),然后如果设置了 task["op"] 就做 calc,最后是一个写成 (thought, "finish", {"answer": answer}, answer) 的 finish 步骤。返回由 (thought, tool, args, observation) 元组组成的有序列表;最终答案是 calc 的结果,没有 op 时则是那一个事实。
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。