Agents avancés · Chapitre 7 sur 10
Boucles de planification
Plan-and-execute, ReWOO et LLMCompiler planifient le travail avant de le faire, et diffèrent en appels au modèle, en supersteps et en temps.
Objectifs
- Lancez plan-and-execute : un plan, une étape à la fois et une replanification après chaque étape.À faire
- Lancez ReWOO : un plan avec des marqueurs #E, les outils, puis une réponse.À faire
- Lancez LLMCompiler : un graphe de tâches dont les tâches indépendantes tournent en même temps.À faire
- Réussissez la vérification.À faire
Étape 1 sur 4 : La lecture
D'abord planifier, ensuite agir
Les agents vus jusqu'ici décidaient un appel d'outil à la fois : appeler le modèle, exécuter l'outil, rappeler le modèle. C'est la boucle ReAct. Un agent qui planifie demande d'abord un plan au modèle, puis le suit. Trois motifs publiés le font de façons différentes. Le lab les compare sur trois compteurs : les appels au modèle, les supersteps (une ronde d'exécutions de nœuds, comme au chapitre 1) et la durée d'une exécution.
Plan-and-execute
Un nœud planner écrit une liste d'étapes. Un nœud agent fait la première : le modèle choisit un appel d'outil, et le nœud l'exécute. Un nœud replan lit ce qui est fait, puis répond ou réécrit les étapes restantes. Le plan peut changer après chaque résultat, mais chaque étape coûte au moins deux appels au modèle : un pour agir, un pour replanifier. L'idée vient de l'article Plan-and-Solve (2023) et du tutoriel plan-and-execute de LangGraph.
ReWOO
ReWOO (2023) écrit tout le plan en un seul appel au modèle et nomme chaque résultat avant qu'il existe : #E1 = search[…], puis #E3 = forecast[#E1]. #E1 est un marqueur. Un nœud tool exécute les étapes dans l'ordre et met chaque résultat à la place de son nom, sans appel au modèle. Un nœud solve appelle le modèle une dernière fois pour répondre. Cela fait deux appels au modèle en tout, mais le plan ne peut plus changer une fois écrit.
LLMCompiler
LLMCompiler (2023) écrit le plan comme un graphe de tâches sans boucles, un DAG : 3. forecast($1) signifie que la tâche 3 a besoin du résultat de la tâche 1. Un ordonnanceur, l'unité de récupération des tâches (task fetching unit) de l'article, lance chaque tâche dès que les tâches dont elle a besoin sont terminées, donc les tâches qui n'ont besoin de rien les unes des autres tournent en même temps. Un nœud join lit les résultats, puis répond ou demande un nouveau plan.
Dans ce lab
Une tâche de recherche tourne de trois façons : la météo de samedi là où part chacune de deux courses de trail, pour Halden, la boutique fictive. Chaque graphe est du vrai LangGraph.js 1.5.1, dessiné à partir de getGraphAsync(). Dans Node, vous pourriez aussi écrire l'ordonnanceur avec l'API fonctionnelle, comme un entrypoint dont les appels à task() tournent en parallèle. task() a besoin d'AsyncLocalStorage, que la version pour navigateur n'a pas, donc ici le nœud schedule lance de simples promesses et transmet config à la main. Le modèle est scripté, et chaque appel prend un temps scripté, accéléré à l'écran et compté comme temps simulé.
Étape 2 sur 4 : Essayez : Une tâche, trois planificateurs
Une tâche, trois planificateurs
Lancez la même tâche de recherche en plan-and-execute, ReWOO et LLMCompiler, puis comparez leurs appels au modèle, leurs supersteps et leur temps simulé.
Mode :RéelSimuléRéel : LangGraph.js 1.5.1 tourne dans cette page. Simulé : les décisions du modèle et la durée de chaque appel sont scriptées, et les courses, les villes et les météos sont fictives.
Étape 3 sur 4 : Vérification
Vérification
Ensuite : Question 2 sur 3
Étape 4 sur 4 : Ce que vous savez faire maintenant
Ce que vous savez faire maintenant
- Construire plan-and-execute, ReWOO et LLMCompiler comme graphes LangGraph.js.
- Compter ce que coûte chaque motif en appels au modèle, en supersteps et en temps, et dire d'où vient la différence.
- Choisir un motif : replanifier quand les résultats peuvent changer le plan, planifier une fois quand ils ne le peuvent pas, et lancer en même temps les étapes indépendantes.