AI serija pitanja za intervju 6: Tri ključne metodologije AI Agenta: ReAct, Plan-and-Solve i Reflection

Tri ključne metodologije AI Agenta: ReAct, Plan-and-Solve i Reflection

AI Agent je inteligentni entitet koji može samostalno percipirati okolinu, donositi odluke i izvršavati akcije. Njegove ključne metodologije su tri: ReAct, Plan-and-Solve i Reflection. U nastavku ih predstavljamo, uz dijagrame toka i primjere koda.

1. ReAct (Reasoning + Acting)

Ključna ideja: Naizmjenično izvođenje zaključivanja (Reasoning) i djelovanja (Acting). Agent u svakom koraku prvo razmišlja o trenutnom stanju i sljedećem planu (zaključivanje), zatim izvršava akciju (npr. pozivanje alata, pretraga informacija), pa na osnovu rezultata nastavlja zaključivati.

Dijagram toka:

[Početno stanje] → [Zaključivanje: razmišljanje o sljedećem koraku] → [Akcija: izvršenje] → [Posmatranje rezultata] → [Zaključivanje: ažuriranje plana] → ... → [Konačni odgovor]

Primjer koda (pseudokod):

def react_agent(question):
    context = []
    while not solved:
        # zaključivanje: generiši korak razmišljanja
        thought = llm.generate_thought(question, context)
        # akcija: odaberi akciju na osnovu razmišljanja
        action = llm.choose_action(thought)
        # izvrši akciju, dobij posmatranje
        observation = execute_action(action)
        # dodaj razmišljanje, akciju i posmatranje u kontekst
        context.append((thought, action, observation))
    return final_answer

Primjer:
- Korisnik pita: "Kakvo je vrijeme danas u Pekingu?"
- Agent zaključuje: "Moram provjeriti API za vrijeme, potreban mi je naziv grada i datum."
- Akcija: pozivanje API-ja za vrijeme (parametri: Peking, danas)
- Posmatranje: vraća "Vedro, 25°C"
- Zaključivanje: "Dobio sam informaciju, mogu odgovoriti."
- Izlaz: "Danas je u Pekingu vedro, 25°C."

2. Plan-and-Solve

Ključna ideja: Prvo napraviti kompletan plan (Plan), zatim ga postepeno izvršavati (Solve). U fazi planiranja složeni zadatak se razlaže na podkorake, a u fazi izvršenja koraci se izvršavaju redom, uz mogućnost prilagođavanja plana na osnovu međurezultata.

Dijagram toka:

[Zadatak] → [Izrada plana: razlaganje na podkorake] → [Izvršenje koraka 1] → [Izvršenje koraka 2] → ... → [Izvršenje koraka N] → [Konačni odgovor]

Primjer koda:

def plan_and_solve(task):
    # faza planiranja
    plan = llm.generate_plan(task)  # npr.: ["Pretraži materijale", "Sredi informacije", "Napiši izvještaj"]
    context = {}
    for step in plan:
        # izvrši svaki korak
        result = execute_step(step, context)
        context[step] = result
    # sintetiziraj rezultate
    final = llm.synthesize(context)
    return final

Primjer:
- Zadatak: "Napiši blog o AI Agentima"
- Plan:
1. Pretraži definiciju AI Agenta i najnovija dostignuća
2. Pročitaj i sredi ključne tačke
3. Napiši nacrt bloga
4. Popuni sadržaj
5. Lektura i objavljivanje
- Izvršenje: redom izvršiti svaki korak, na kraju dobiti blog.

3. Reflection

Ključna ideja: Agent tokom ili nakon izvršenja razmišlja o vlastitom ponašanju (Reflection), procjenjuje rezultate i poboljšava daljnje akcije. Obično uključuje samokritiku, ispravljanje grešaka ili optimizaciju strategije.

Dijagram toka:

[Akcija] → [Posmatranje rezultata] → [Refleksija: procjena uspjeha] → [Ako neuspjeh: prilagođavanje strategije] → [Ponovna akcija] → ... → [Uspjeh]

Primjer koda:

def reflection_agent(task):
    max_attempts = 3
    for attempt in range(max_attempts):
        action = llm.generate_action(task)
        result = execute(action)
        # refleksija
        reflection = llm.reflect(task, action, result)
        if reflection['success']:
            return result
        else:
            # prilagodi opis zadatka ili strategiju na osnovu refleksije
            task = reflection['improved_task']
    return None

Primjer:
- Zadatak: "Izračunaj 1234 * 5678"
- Akcija: direktno izračunavanje, dobije se rezultat 7006652
- Refleksija: provjera procesa izračuna, otkrivena greška u prenošenju
- Prilagođavanje: ponovno izračunavanje, dobije se tačan rezultat 7006652 (zapravo tačno)
- Ako i dalje greška, nastaviti refleksiju dok ne bude tačno.

Sažetak i poređenje

U stvarnoj primjeni, često se kombinuju sve tri, npr. dodavanje mehanizma refleksije u ReAct, ili refleksija nakon svakog koraka u Plan-and-Solve.