|
|
@@ -465,14 +465,14 @@ class ExecutionImpl:
|
|
|
return weather_data.get(city, f"未能查询到 {city} 的天气信息。")
|
|
|
```
|
|
|
|
|
|
-</strong>第四步：观察与学习<strong>
|
|
|
+<strong>第四步：观察与学习</strong>
|
|
|
|
|
|
行动的完成并不意味着流程的结束，而是形成反馈闭环的关键一步。观察模块负责接收和评估执行阶段的输出，并将其转化为智能体内部可以理解的观察结果。
|
|
|
|
|
|
此阶段的核心功能是：
|
|
|
|
|
|
-1. </strong>评估行动结果<strong>：判定上一步行动的成败，并解析成功时返回的数据或失败时产生的错误信息。
|
|
|
-2. </strong>决策后续流程<strong>：根据评估结果，确定下一步的走向。例如，成功获取数据则准备向用户响应；失败则可能需要将错误信息反馈给思考模块以进行重新规划。
|
|
|
+1. <strong>评估行动结果</strong>：判定上一步行动的成败，并解析成功时返回的数据或失败时产生的错误信息。
|
|
|
+2. <strong>决策后续流程</strong>：根据评估结果，确定下一步的走向。例如，成功获取数据则准备向用户响应；失败则可能需要将错误信息反馈给思考模块以进行重新规划。
|
|
|
|
|
|
这个观察结果将作为新的信息输入，反馈给认知循环的下一个迭代，从而使智能体能够根据其行为的实际效果来调整后续策略。
|
|
|
|
|
|
@@ -508,7 +508,7 @@ class ObservationImpl:
|
|
|
return f"处理请求时出错：{observation['observation'].split('：')[1]}"
|
|
|
```
|
|
|
|
|
|
-</strong>完整的智能体行动循环演示**
|
|
|
+<strong>完整的智能体行动循环演示</strong>
|
|
|
|
|
|
最后，我们将上述四个独立的模块化组件进行集成，构建一个完整的 `AgentLoopDemo`。这个类展示了四个阶段如何被依次调用和协同工作，形成一个从接收原始输入到生成最终响应的、端到端的处理流水线，具体流程如图1.6所示。
|
|
|
|
jjyaoao