В предыдущих разделах мы узнали:
В этом разделе мы рассмотрим рабочий процесс агента AI полностью, цикл, который мы определили как “Мысль - Действие - Наблюдение”.
А затем мы углубимся в каждый из этих этапов.
Агенты работают в непрерывном цикле: думать (Мысль) → действовать (Действие) и наблюдать (Наблюдение).
Давайте разложим эти действия на составляющие:
Все три компонента работают вместе в непрерывном цикле. Если воспользоваться аналогией из программирования, агент использует цикл while: цикл продолжается до тех пор, пока не будет выполнена поставленная перед агентом задача.
Визуально это выглядит следующим образом:
Во многих фреймворках Агентов правила и рекомендации встраиваются непосредственно в системную подсказку, гарантируя, что каждый цикл будет следовать определенной логике.
В упрощенном варианте наша системная подсказка может выглядеть следующим образом:
Здесь мы видим, что в системном сообщении мы определили :
Давайте рассмотрим небольшой пример, чтобы понять суть процесса, прежде чем углубляться в каждый его шаг.
Мы создали Альфреда, погодного агента.
Пользователь спрашивает Альфреда: «Какая сегодня погода в Нью-Йорке?».
Задача Альфреда - ответить на этот запрос, используя инструмент API погоды.
Вот как выглядит этот цикл:
Внутренние рассуждения:
Получив запрос, внутренний диалог Альфреда может быть таким:
“Пользователю нужна текущая информация о погоде в Нью-Йорке. У меня есть доступ к инструменту, который получает данные о погоде. Сначала мне нужно обратиться к API погоды, чтобы получить актуальную информацию.”
Этот шаг показывает, что агент разбивает проблему на этапы: сначала собирает необходимые данные.
Использование инструмента:.
Основываясь на своих рассуждениях и на том факте, что Альфред знает об инструменте get_weather, Альфред подготавливает команду в формате JSON, которая вызывает инструмент API погоды. Например, его первым действием может быть:
Мысль: Мне нужно проверить текущую погоду в Нью-Йорке.
{
"action": "get_weather",
"action_input": {
"location": "New York"
}
}Здесь действие четко указывает, какой инструмент следует вызвать (например, get_weather) и какой параметр передать (“location”: “New York”).
Обратная связь от окружающей среды:.
После вызова инструмента Альфред получает наблюдение. Это могут быть необработанные данные о погоде из API, например:
“Текущая погода в Нью-Йорке: частично облачно, 15°C, влажность 60%.”
Это наблюдение затем добавляется к подсказке в качестве дополнительного контекста. Оно функционирует как обратная связь в реальном мире, подтверждая успешность действия и предоставляя необходимые детали.
Рефлексия:
Получив данные наблюдения, Альфред обновляет свои внутренние рассуждения:
“Теперь, когда у меня есть данные о погоде в Нью-Йорке, я могу подготовить ответ для пользователя.”
Затем Алфред генерирует окончательный ответ, отформатированный так, как мы ему сказали:
Мысль: У меня есть данные о погоде. Текущая погода в Нью-Йорке частично облачная, температура 15 °C и влажность 60 %».
Окончательный ответ : Текущая погода в Нью-Йорке частично облачно с температурой 15 °C и влажностью 60 %.
Это заключительное действие возвращает ответ пользователю, закрывая цикл.
Что мы видим в этом примере:
Процесс Альфреда цикличен. Он начинает с мысли, затем действует, вызывая инструмент, и, наконец, наблюдает за результатом. Если бы наблюдение показало ошибку или неполноту данных, Альфред мог бы снова войти в цикл, чтобы скорректировать свой подход.
Способность вызывать инструменты (например, API погоды) позволяет Альфреду выходить за пределы статических знаний и получать данные в реальном времени, что является важным аспектом многих AI Агентов.
Каждый цикл позволяет агенту включать свежую информацию (наблюдения) в свои рассуждения (мысли), гарантируя, что окончательный ответ будет хорошо обоснованным и точным.
Этот пример демонстрирует основную концепцию цикла ReAct (концепцию, которую мы будем развивать в следующем разделе): взаимодействие мыслей, действий и наблюдений позволяет AI агентам решать сложные задачи итеративно.
Понимая и применяя эти принципы, вы сможете разрабатывать агентов, которые не только рассуждают о своих задачах, но и эффективно используют внешние инструменты для их выполнения, при этом постоянно совершенствуя свои действия на основе обратной связи от окружающей среды.
Теперь давайте углубимся в изучение Мысли, Действия, Наблюдения как отдельных этапов этого процесса.
< > Update on GitHub