Agentes avanzados · Capítulo 7 de 10
Bucles de planificación
Plan-and-execute, ReWOO y LLMCompiler planifican el trabajo antes de hacerlo, y difieren en llamadas al modelo, supersteps y tiempo.
Objetivos
- Ejecuta plan-and-execute: un plan, un paso a la vez y una replanificación después de cada paso.Pendiente
- Ejecuta ReWOO: un plan con marcadores #E, las herramientas y luego una respuesta.Pendiente
- Ejecuta LLMCompiler: un grafo de tareas cuyas tareas independientes se ejecutan al mismo tiempo.Pendiente
- Supera la comprobación.Pendiente
Paso 1 de 4: La lectura
Primero planificar, después actuar
Los agentes vistos hasta ahora decidían una llamada a herramienta a la vez: llamar al modelo, ejecutar la herramienta, llamar otra vez al modelo. Ese es el bucle ReAct. Un agente que planifica primero le pide un plan al modelo y luego lo recorre. Tres patrones publicados lo hacen de maneras distintas. El laboratorio los compara con tres contadores: llamadas al modelo, supersteps (una ronda de ejecuciones de nodos, como en el capítulo 1) y cuánto tarda una ejecución.
Plan-and-execute
Un nodo planner escribe una lista de pasos. Un nodo agent hace el primero: el modelo elige una llamada a herramienta y el nodo la ejecuta. Un nodo replan lee lo que está hecho y luego responde o reescribe los pasos que quedan. El plan puede cambiar después de cada resultado, pero cada paso cuesta al menos dos llamadas al modelo: una para actuar y otra para replanificar. La idea viene del artículo Plan-and-Solve (2023) y del tutorial plan-and-execute de LangGraph.
ReWOO
ReWOO (2023) escribe todo el plan en una sola llamada al modelo y nombra cada resultado antes de que exista: #E1 = search[…], luego #E3 = forecast[#E1]. #E1 es un marcador de posición. Un nodo tool ejecuta los pasos en orden y pone cada resultado en lugar de su nombre, sin llamar al modelo. Un nodo solve llama al modelo una vez más para responder. Son dos llamadas al modelo en total, pero el plan no puede cambiar una vez escrito.
LLMCompiler
LLMCompiler (2023) escribe el plan como un grafo de tareas sin ciclos, un DAG: 3. forecast($1) significa que la tarea 3 necesita el resultado de la tarea 1. Un scheduler, la unidad de obtención de tareas (task fetching unit) del artículo, inicia cada tarea en cuanto terminan las tareas que necesita, así que las tareas que no necesitan nada unas de otras se ejecutan al mismo tiempo. Un nodo join lee los resultados y luego responde o pide un plan nuevo.
En este laboratorio
Una tarea de investigación se ejecuta de tres maneras: el pronóstico del sábado donde empieza cada una de dos carreras de trail, para Halden, la tienda ficticia. Cada grafo es LangGraph.js 1.5.1 real, dibujado a partir de getGraphAsync(). En Node también podrías escribir el scheduler con la API funcional, como un entrypoint cuyas llamadas a task() se ejecutan en paralelo. task() necesita AsyncLocalStorage, que la versión para navegador no tiene, así que aquí el nodo schedule inicia promesas simples y pasa config a mano. El modelo sigue un guion, y cada llamada tarda un tiempo fijado por el guion, acelerado en pantalla y contado como tiempo simulado.
Paso 2 de 4: Pruébalo: Una tarea, tres planificadores
Una tarea, tres planificadores
Ejecuta la misma tarea de investigación como plan-and-execute, ReWOO y LLMCompiler, y luego compara sus llamadas al modelo, supersteps y tiempo simulado.
Modo:RealSimuladoReal: LangGraph.js 1.5.1 se ejecuta en esta página. Simulado: las decisiones del modelo y lo que tarda cada llamada siguen un guion, y las carreras, los pueblos y los pronósticos son ficticios.
Paso 3 de 4: Comprobación
Comprobación
Siguiente: Pregunta 2 de 3
Paso 4 de 4: Lo que ya puedes hacer
Lo que ya puedes hacer
- Construir plan-and-execute, ReWOO y LLMCompiler como grafos de LangGraph.js.
- Contar lo que cuesta cada patrón en llamadas al modelo, supersteps y tiempo, y decir de dónde viene la diferencia.
- Elegir un patrón: replanificar cuando los resultados pueden cambiar el plan, planificar una vez cuando no pueden, y ejecutar al mismo tiempo los pasos independientes.