آموزش Agent-بخش 8(مشاهده): یکپارچه‌سازی بازخورد برای تطبیق و بهبود

مشاهدات (Observationها) راهی است که یک Agent از طریق آن پیامدهای اقدامات خود را درک می‌کند.

این بازخوردها اطلاعات حیاتی را فراهم می‌کنند که فرآیند تفکر Agent را تغذیه کرده و اقدامات بعدی آن را هدایت می‌کنند. Observationها در واقع سیگنال‌هایی از محیط هستند—چه داده‌های یک API، پیام‌های خطا یا گزارش‌های سیستمی—که چرخه بعدی تصمیم‌گیری را شکل می‌دهند.

در مرحله‌ی مشاهده، Agent:

• دریافت بازخورد (Collects Feedback): اطلاعات یا تأییدی دریافت می‌کند که نشان می‌دهد اقدامش موفق بوده یا نه.
• افزودن نتایج (Appends Results): اطلاعات جدید را در Context خود یکپارچه کرده و حافظه‌اش را به‌روز می‌کند.
• تطبیق استراتژی (Adapts its Strategy): از این Context به‌روزرسانی‌شده برای اصلاح تفکرات و اقدامات بعدی استفاده می‌کند.

مثال: اگر یک API وضعیت آب‌وهوا را به‌صورت “نیمه‌ابری، ۱۵ درجه، ۶۰٪ رطوبت” برگرداند، این مشاهده به انتهای Prompt Agent اضافه می‌گردد. سپس Agent تصمیم می‌گیرد که آیا اطلاعات بیشتری نیاز است یا می‌تواند پاسخ نهایی را ارائه دهد.

این چرخه‌ی بازخوردی مداوم تضمین می‌کند که Agent همواره به‌صورت پویا با اهداف خود همسو باقی بماند و بر اساس نتایج دنیای واقعی، یاد بگیرد و تنظیم شود.

انواع مشاهدات (Observationها) و مثال‌ها

این فرایند را می‌توان مشابه “گزارش ابزار (Tool Logs)” در نظر گرفت که بازخورد متنی از اجرای Actions را ارائه می‌دهد.

چگونه نتایج اضافه می‌شوند؟

پس از انجام یک Action، فریمورک مراحل زیر را به ترتیب دنبال می‌کند:

1. پردازش (Parse): اقدام یا Action را پردازش کرده و توابع یا تابع موردنظر برای فراخوانی و آرگومان(های) مربوطه را شناسایی می‌کند.
2. اجرا (Execute): Action را اجرا می‌کند.
3. افزودن نتیجه (Append the Result): نتیجه را به‌عنوان یک مشاهده به Context Agent اضافه می‌کند.

ما اکنون چرخه تفکر-عمل-مشاهده Agent را آموختیم.

اگر برخی جنبه‌ها هنوز کمی مبهم به نظر می‌رسند، نگران نباشید! در پست‌های آتی این مفاهیم را دوباره بررسی کرده و عمیق‌تر به آن‌ها خواهیم پرداخت.

حالا وقت آن رسیده که دانش خود را در عمل به کار بگیرید و اولین Agent خود را کدنویسی کنید!

منبع: https://huggingface.co/learn/agents-course/unit1/observations