AI Agent / 系统课时

更新动态计划

更新动态计划

本课解决智能体执行过程中计划失效的问题,让智能体能够根据工具返回、代码分析和测试结果重新评估任务路径,并生成下一阶段可执行步骤。

学习目标

  • 理解动态计划与固定计划的区别。
  • 掌握根据执行反馈更新任务步骤的方法。
  • 能够设计包含重新规划条件的智能体执行流程。

为什么需要动态计划

智能体面对真实任务时,初始计划通常只基于已有信息生成。随着工具调用、代码阅读或测试执行产生新结果,原计划中的假设可能失效,例如发现接口不存在、依赖版本不兼容,或者测试暴露新的约束。

动态计划的核心不是频繁改变目标,而是在目标保持稳定的情况下,根据最新状态调整达到目标的路径。

动态计划的更新机制

一个常见流程是:执行当前步骤、收集结果、判断结果影响、更新剩余任务列表。智能体需要保存当前状态,而不是只依赖最初生成的一次计划。

智能体动态计划更新流程图

实现计划重评估

实际开发中,可以为每个步骤记录状态,并在关键事件发生时触发重新规划。

python
class AgentPlanner:
    def __init__(self, goal):
        self.goal = goal
        self.steps = []

    def update_plan(self, feedback):
        # 根据执行反馈替换受影响步骤
        if feedback["status"] == "failed":
            self.steps.insert(0, "analyze_failure")
        else:
            self.steps.pop(0)

planner = AgentPlanner("完成代码修改")
planner.steps = ["inspect", "edit", "test"]
planner.update_plan({"status": "failed"})
print(planner.steps)

预期输出

text
['analyze_failure', 'inspect', 'edit', 'test']

动态更新的边界

计划更新需要避免无限循环。通常应限制重新规划次数,并记录已经尝试过的方案,防止智能体重复执行相同失败路径。

本课总结

  • 动态计划通过执行反馈持续修正任务路径。
  • 更新计划的关键是保存状态并分析结果影响。
  • 重新规划需要设置边界,避免无效循环。

下一课预告

下一课将介绍如何管理任务之间的依赖关系,让智能体按照正确顺序执行复杂工作流。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

更新动态计划

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通