AI-sorozat interjúkérdések 6: Az AI-ügynökök három alapvető módszertana: ReAct, Plan-and-Solve és Reflection

Az AI-ügynökök három alapvető módszertana: ReAct, Plan-and-Solve és Reflection

Az AI-ügynökök olyan intelligens ágensek, amelyek képesek önállóan érzékelni a környezetet, döntéseket hozni és cselekvéseket végrehajtani. Három fő módszertanuk van: ReAct, Plan-and-Solve és Reflection. Az alábbiakban bemutatjuk ezeket, folyamatábrákkal és kódpéldákkal kiegészítve.

1. ReAct (Reasoning + Acting)

Alapgondolat: Az érvelés (Reasoning) és a cselekvés (Acting) váltakozva történik. Az ügynök minden lépésben először gondolkodik az aktuális állapotról és a következő tervről (érvelés), majd végrehajt egy műveletet (pl. eszköz használata, információ keresése), és az eredmény alapján folytatja az érvelést.

Folyamatábra:

[Kezdeti állapot] → [Érvelés: következő lépés megtervezése] → [Cselekvés: művelet végrehajtása] → [Eredmény megfigyelése] → [Érvelés: terv frissítése] → ... → [Végső válasz]

Példakód (pszeudokód):

def react_agent(question):
    context = []
    while not solved:
        # Érvelés: gondolkodási lépés generálása
        thought = llm.generate_thought(question, context)
        # Cselekvés: művelet kiválasztása a gondolat alapján
        action = llm.choose_action(thought)
        # Művelet végrehajtása, eredmény megfigyelése
        observation = execute_action(action)
        # Gondolat, cselekvés és megfigyelés hozzáadása a kontextushoz
        context.append((thought, action, observation))
    return final_answer

Példa:
- Felhasználó kérdése: „Milyen az idő ma Pekingben?”
- Ügynök érvelése: „Meg kell hívnom az időjárás API-t, szükségem van a város nevére és a dátumra.”
- Cselekvés: Időjárás API hívása (paraméterek: Peking, ma)
- Eredmény: „Napos, 25°C”
- Érvelés: „Megvan az információ, válaszolhatok.”
- Kimenet: „Ma Pekingben napos idő van, 25°C.”

2. Plan-and-Solve

Alapgondolat: Először egy teljes tervet készítünk (Plan), majd lépésről lépésre végrehajtjuk (Solve). A tervezési szakaszban a komplex feladatot részlépésekre bontjuk, a végrehajtási szakaszban sorrendben haladunk, esetleg a köztes eredmények alapján módosítva a tervet.

Folyamatábra:

[Feladat] → [Terv készítése: részlépésekre bontás] → [1. lépés végrehajtása] → [2. lépés végrehajtása] → ... → [N. lépés végrehajtása] → [Végső válasz]

Példakód:

def plan_and_solve(task):
    # Tervezési szakasz
    plan = llm.generate_plan(task)  # Pl.: ["Információk keresése", "Adatok rendezése", "Jelentés írása"]
    context = {}
    for step in plan:
        # Minden lépés végrehajtása
        result = execute_step(step, context)
        context[step] = result
    # Eredmények összegzése
    final = llm.synthesize(context)
    return final

Példa:
- Feladat: „Írj egy blogbejegyzést az AI-ügynökökről!”
- Terv:
1. AI-ügynök definíciójának és legújabb fejlesztéseinek keresése
2. Kulcspontok elolvasása és rendezése
3. Blogvázlat készítése
4. Tartalom kitöltése
5. Lektorálás és közzététel
- Végrehajtás: Az egyes lépések sorrendben történő elvégzése, végül a blog elkészítése.

3. Reflection

Alapgondolat: Az ügynök a cselekvés során vagy után reflektál a saját viselkedésére (Reflection), értékeli az eredményt és javítja a későbbi műveleteket. Gyakran tartalmaz önkritikát, hibajavítást vagy stratégiaoptimalizálást.

Folyamatábra:

[Cselekvés] → [Eredmény megfigyelése] → [Reflexió: sikeresség értékelése] → [Ha sikertelen: stratégia módosítása] → [Újabb cselekvés] → ... → [Siker]

Példakód:

def reflection_agent(task):
    max_attempts = 3
    for attempt in range(max_attempts):
        action = llm.generate_action(task)
        result = execute(action)
        # Reflexió
        reflection = llm.reflect(task, action, result)
        if reflection['success']:
            return result
        else:
            # A reflexió alapján a feladat leírásának vagy stratégiának módosítása
            task = reflection['improved_task']
    return None

Példa:
- Feladat: „Számítsd ki: 1234 * 5678”
- Cselekvés: Közvetlen számítás, eredmény: 7006652
- Reflexió: A számítási folyamat ellenőrzése, átviteli hiba észlelése
- Módosítás: Újraszámolás, helyes eredmény: 7006652 (valójában helyes)
- Ha továbbra is hibás, a reflexió folytatódik a helyes eredmény eléréséig.

Összefoglaló összehasonlítás

A gyakorlatban gyakran kombinálják a három módszertant, például a ReAct kiegészítése reflexiós mechanizmussal, vagy a Plan-and-Solve minden lépése utáni reflexióval.