برنامه‌ریزی ایجنت: الگوی ReAct، تجزیهٔ هدف و بازتاب

دو ایجنت را تصور کنید که هدف یکسانی گرفته‌اند: «برای سایت من یک گزارش رقبا آماده کن.» ایجنت اول بلافاصله شروع می‌کند: جستجو، جستجو، جستجو، خلاصه، تمام — گزارشی سطحی از اولین چیزهایی که پیدا کرده. ایجنت دوم اول می‌ایستد: هدف را به پنج زیرسوال می‌شکند، برای هر کدام نقشه می‌کشد، بعد از هر جستجو نتیجه را با نقشه مقایسه می‌کند، وسط راه می‌فهمد یک زیرسوال بی‌راهه بوده و حذفش می‌کند، و آخر کار هم گزارش خودش را یک‌بار نقد می‌کند و نقطه‌ضعف‌هایش را می‌گوید.

مدل هر دو یکی است. تفاوت، در چیزی است که این درس یادتان می‌دهد: الگوی برنامه‌ریزی. اینجا مرز ایجنت اسباب‌بازی و ایجنت قابل‌اتکاست.

آنچه در این درس یاد می‌گیرید

• الگوی ری‌اکت: چرا «فکرِ بلند» کیفیت عمل را عوض می‌کند
• تجزیهٔ هدف: تبدیل خواستهٔ مبهم به نقشهٔ قابل‌اجرا
• بازتاب: ایجنتی که کار خودش را نقد می‌کند
• هنر ایستادن: سقف‌ها و شرط‌های توقف که ایجنت را قابل‌اعتماد می‌کنند

الگوی ری‌اکت: فکر کن، عمل کن، ببین

نام ری‌اکت (ReAct) از ترکیب دو کلمهٔ استدلال و عمل آمده و ایدهٔ ساده‌ای دارد که نتیجه‌اش ساده نیست: مدل را وادار کن قبل از هر عمل، فکرش را «بنویسد». نه فکر پنهان — فکر مکتوب، در قالبی ثابت:

فکر: به قیمت گوشی در فروشگاه اول رسیدم؛ هنوز دو فروشگاه مانده.
       نکته: این قیمت برای نسخهٔ ۲۵۶ گیگ است، باید بقیه را هم همین نسخه بگیرم.
عمل: جستجو["قیمت گوشی X نسخه ۲۵۶ در فروشگاه ب"]
مشاهده: [نتیجهٔ ابزار اینجا برمی‌گردد]

چرا نوشتنِ فکر این‌قدر مؤثر است؟ سه دلیل: مدل وقتی مجبور به استدلال مکتوب است، کمتر شتاب‌زده ابزار صدا می‌زند و کمتر دچار «توهم ابزار» می‌شود (صدازدن ابزاری که وجود ندارد یا با ورودی غلط)؛ زنجیرهٔ فکر، خطا را ردیابی‌پذیر می‌کند — دقیقاً می‌بینید کجا مسیر کج شد؛ و جزئیات حیاتی (مثل «همان نسخهٔ ۲۵۶») در متن فکر زنده می‌مانند و بین گام‌ها گم نمی‌شوند. اگر سری زنجیرهٔ تفکر را خوانده باشید، ری‌اکت را می‌شناسید: همان زنجیره است که به آن «دست» داده‌اند.