Repository navigation
第四章习题 #1035
Unanswered
xnslong
asked this question in
💬 Exercises & Q&A
第四章习题
#1035
Replies: 0 comments
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
Uh oh!
There was an error while loading. Please reload this page.
Uh oh!
There was an error while loading. Please reload this page.
习题
本章介绍了三种经典的智能体范式:
ReAct、Plan-and-Solve和Reflection。请分析:在4.2节的
ReAct实现中,我们使用了正则表达式来解析大语言模型的输出(如Thought和Action)。请思考:当前的解析方法存在哪些潜在的脆弱性?在什么情况下可能会失败?
除了正则表达式,还有哪些更鲁棒的输出解析方案?
尝试修改本章的代码,使用一种更可靠的输出格式,并对比两种方案的优缺点
工具调用是现代智能体的核心能力之一。基于4.2.2节的
ToolExecutor设计,请完成以下扩展实践:为
ReAct智能体添加一个"计算器"工具,使其能够处理复杂的数学计算问题(如"计算(123 + 456) × 789/ 12 = ?的结果")设计并实现一个"工具选择失败"的处理机制:当智能体多次调用错误的工具或提供错误的参数时,系统应该如何引导它纠正?
思考:如果可调用工具的数量增加到$50$个甚至$100$个,当前的工具描述方式是否还能有效工作?在可调用工具数量随业务需求显著增加时,从工程角度如何优化工具的组织和检索机制?
Plan-and-Solve范式将任务分解为"规划"和"执行"两个阶段。请深入分析:在4.3节的实现中,规划阶段生成的计划是"静态"的(一次性生成,不可修改)。如果在执行过程中发现某个步骤无法完成或结果不符合预期,应该如何设计一个"动态重规划"机制?
对比
Plan-and-Solve与ReAct:在处理"预订一次从北京到上海的商务旅行(包括机票、酒店、租车)"这样的任务时,哪种范式更合适?为什么?尝试设计一个"分层规划"系统:先生成高层次的抽象计划,然后针对每个高层步骤再生成详细的子计划。这种设计有什么优势?
Reflection机制通过"执行-反思-优化"循环来提升输出质量。请思考:Reflection机制的终止条件是"反馈中包含无需改进"或"达到最大迭代次数"。这种设计是否合理?能否设计一个更智能的终止条件?提示词工程是影响智能体最终效果的关键技术。本章展示了多个精心设计的提示词模板。请分析:
对比4.2.3节的
ReAct提示词和4.3.2节的Plan-and-Solve提示词,它们显然存在结构设计上的明显不同,这些差异是如何服务于各自范式的核心逻辑的?在4.4.3节的
Reflection提示词中,我们使用了"你是一位极其严格的代码评审专家"这样的角色设定。尝试修改这个角色设定(如改为"你是一位注重代码可读性的开源项目维护者"),观察输出结果的变化,并总结角色设定对智能体行为的影响。在提示词中加入
few-shot示例往往能显著提升模型对特定格式的遵循能力。请为本章的某个智能体尝试添加few-shot示例,并对比其效果。某电商初创公司现在希望使用"客服智能体"来代替真人客服实现降本增效,它需要具备以下功能:
此时作为该产品的负责人:
All reactions