Phase 19: Capstone Projects

برنامه ریزی و اجرای جریان کنترل

يه نقشه که از شکست برنميگرده يه اسکریپت است يه اسکریپت که ميتونه دوباره برنامه ريزي کنه يه مامور است اول برنامه ريزي رو بساز

Type: Build

Languages: Python

Prerequisites: Phase 13 lessons 01-07, Phase 14 lesson 01

Time: ~90 minutes

اهداف یادگیری

یک طرح را به عنوان یک لیست ترتیب شده از مراحل تایپ شده نشان دهید تا اجرا کننده بتواند در مورد پیشرفت و نتیجه استدلال کند.
مراحل را به ترتیب اجرا کنید با یک شکست کنترل شده به برنامه نویس بازگردانید.
از کرسر فعلی با خطای قبلی در زمینه را دوباره برنامه ریزی کنید تا برنامه بعدی مطلع شود.
در هر ترمیم یک برنامه متفاوت را منتشر کنید تا یک ردیاب یا UI پایین تر بتواند نشان دهد که چرا برنامه تغییر کرده است.
دو بودجه را اجرا کنید: یک سقف قدم سخت و یک سقف دوباره سخت.

برنامه ریزی و اجرا، نه زنجیره فکر

یک عامل زنجیره فکر توکن ها را صادر می کند و اجازه می دهد تا حلقه حدس بزند که تماس ابزار کجا پایان می یابد. یک عامل برنامه و اجرای ابتدا یک برنامه ساختاری را صادر می کند، سپس هر مرحله را به صورت تعیین کننده اجرا می کند. برنامه داده هایی است که هرنس می تواند درون بینی کند. اجرای هرنس انجام داده های آن را از طریق یک فرستنده انجام می دهد.

دو قطعه. یک برنامه نویس که یک طرح تولید می کند. یک اجرای کننده که برنامه را اجرا می کند. کار جالب این است که وقتی اجرای کننده شکست می خورد چه اتفاقی می افتد. سه گزینه:

text1. Abort         (return failed, surface the error)
2. Skip          (mark step failed, continue with the rest)
3. Replan        (hand the error to the planner, get a new plan from the cursor)

رپلين همونيه که يه اسکریپت رو به يه مامور مي کنه

شکل قدم

textStep
  id              : int           (monotonic within a plan revision)
  tool_name       : str
  args            : dict
  expected_outcome: str           (planner's stated success condition)
  result          : Any | None
  error           : str | None

expected_outcomeیک جمله کوتاه است که برنامه نویس در کنار مرحله ارسال می کند. این جمله توسط اجرا کننده اجرا نمی شود. این برای دو چیز است: برنامه نویس آن را هنگام تجدید نظر در برنامه می خواند؛ جریان رویداد آن را منتشر می کند تا یک ردیاب بتواند نشان دهد "این مرحله باید X انجام دهد".

شکل برنامه ريزي

pythondef planner(goal: str, history: list[Step], last_error: str | None) -> list[Step]:
    ...

يه تابع خالصgoalهدف کاربر است.historyمراحل انجام شده است (با نتایج و خطا های پر شده).last_errorهیچ یک از پیام های شکست در اولین تماس و آخرین پیام های شکست در هر تماس بعدی نیست. برنامه نویس نقشه بعدی را از کرسر باز می کند.

برنامه ريزيگر از اجراگر خبر نداره، از بازتجربه ها خبر نداره، از زمانبندي ها خبر نداره، نقشه اي مياره، همين.

اعدام کننده

اجراگر یک ماشین کوچک است. هر مرحله از طریق دستگاه فرستنده انجام می شود. نتیجه یکی از سه چیز است: موفقیت، شکست قابل برنامه ریزی مجدد، شکست قابل فتنان. شکست های قابل برگشت به برنامه نویس باز می گردد. شکست های فتنانی (برابر بودجه، سقف برنامه ریزی مجدد) بازگشت یکFAILEDنتیجه جلسه

stateDiagram-v2
    [*] --> EXEC
    EXEC --> NEXT: success
    NEXT --> EXEC: n+1 < len(plan)
    NEXT --> DONE: n+1 == len(plan)
    EXEC --> REPLAN: failure
    REPLAN --> EXEC: new plan, replans_used < max_replans
    REPLAN --> FAILED: replans_used >= max_replans
    FAILED --> [*]
    DONE --> [*]

برنامه در مورد تجدید نظر متفاوت است

وقتی برنامه نویس بعد از شکست یک برنامه جدید را باز می گرداند، اجرا کننده یک plan.diffرویداد با سه میدان

textremoved: list of step ids that were in the old plan and are not in the new
added  : list of step ids in the new plan that were not in the old
revised: list of step ids whose tool_name or args changed

یک ردیابی یا UI می تواند این را به عنوان یک ضربه در مراحل حذف شده و برجسته در اضافه شده ارائه دهد. نکته این نیست که فرمت متفاوت است. نکته این است که ترمیم یک رویداد قابل مشاهده است، نه یک بازنویسی خاموش.

دو بودجه، هر دو سخت

max_stepsبرنامه خطی پنج مرحله ای که دو بار برنامه ریزی مجدد می کند و هر بار سه مرحله اضافه می کند و هر بار ۱۶ اجرای را به دست می آورد و بودجه را فراتر می برد. اجرای کننده برنامه ریزی مجدد را رد می کند و بازگشت شکست خورده است.

max_replansبرنامه ریزی کننده که پنج بار در یک ردیف همان طرح شکسته را باز می گرداند، تا زمانی که بودجه مرحله ای آن را بگیرد، لوله می شود. برنامه ریزی مجدد برنامه ریزی کردن باعث می شود که شکست سریع تر و دلیل واضح تر باشد.

برنامه ريزي دترمينست در اين درس

ما در این درس یک مدل را نمی خوانیم. درسی یک برنامه نویس تعیین کننده را می فرستد که بر اساس یک طرح را انتخاب می کند.last_error. .

textlast_error is None    -> emit a four-step plan
last_error matches X  -> emit a three-step plan that routes around X
last_error matches Y  -> emit a two-step plan that gives up gracefully
otherwise             -> return [] (signals nothing to replan)

این برای آزمایش رفتار اجرا کننده در هر مسیر انتقال کافی است: موفقیت، یک بار دوباره، دو بار دوباره، تخفیف مجدد و تخفیف بودجه.

شکل نتیجه

textSessionResult
  status      : "completed" | "failed"
  reason      : str     ("goal_met" | "step_budget" | "replan_budget" | "no_plan")
  history     : list[Step]
  revisions   : list[PlanDiff]
  events      : list[Event]

حلقه هرنس از درس بیست می تواند این را مستقیماً بخواند. فرستنده از درس بیست و سه آنچه هر مرحله را اجرا می کند. ثبت از درس بیست و یک ارگ هر مرحله را تأیید می کند. حمل از درس بیست و دو این کل جریان را از طریق JSON-RPC به یک مشتری مدل می دهد.

چطور کد رو بخونيم

code/main.pyتعریف می کندPlanExecuteAgent،Step،PlanDiff،SessionResultو برنامه ريزي دترمينست. اجراگر يک نفر است.run(goal)روش که یک SessionResult. تفاوت نقشه با مقایسه ی ID های مرحله ای و (tool_name, args)دوتا

code/tests/test_agent.pyیک موفقیت خطی را پوشش می دهد، یک شکست وسط برنامه ای که یک بار برنامه ریزی مجدد می کند، یک برنامه ریزی مجدد که به عقب می آید failed:replan_budget، از دست دادن بودجه به مرحله ای و فرمت برنامه های مختلف

. به جلوتر می رسیم

دو تمدید زمانی که شما این را به یک مدل واقعی متصل کنید خواهید داشت. اول، پیشخوانی برنامه جزایی: هنگامی که یک برنامه برای سه مرحله اول از شش مرحله موفق می شود و سپس شکست می خورد، شما نمی خواهید سه مرحله اول را دوباره اجرا کنید. اجراگر قبلاً تاریخ را حفظ می کند؛ برنامه نویس فقط باید آن را بخواند. دوم، شاخه های موازی: اجراگر فعلی به طور دقیق دنباله دار است. برنامه نویس که شاخه مستقل را منتشر می کند (gather_stepبه جایnext_step) می تواند دو تماس ابزار را همزمان از طریق فرستنده اجرا کند.

هر دو پیچیدگی واقعی را اضافه می کنند. هر دو زمانی که اجرای خطی را ثابت کنید، اضافه کردن آسان تر است. این چیزی است که این درس انجام می دهد.

This free lesson is part of the AI Engineering from Scratch curriculum. Read the full explanation, run the lesson code, and verify the result in the interactive reader or from the repository source.

Browse the complete course catalog or open this lesson on GitHub.