agents-course/pr_678/ru-RU/_app/immutable/nodes/23.ee08d089.js

import{s as At,n as yt,o as kt}from"../chunks/scheduler.4048030c.js";import{S as qt,i as Et,e as p,s as i,c as nt,h as wt,a,d as l,b as s,f as Pt,g as it,j as u,k as st,l as Ot,m as n,n as pt,t as at,o as ut,p as rt}from"../chunks/index.b7616466.js";import{C as Ut,H as Rt,E as zt}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.8c8716c7.js";function jt(mt){let r,q,y,E,o,w,d,O,m,ft="<p>В этом разделе мы погрузимся во внутреннюю работу AI агента - его способность рассуждать и планировать. Мы рассмотрим, как агент использует свой внутренний диалог для анализа информации, разбиения комплексных проблем на управляемые шаги и принятия решения о том, какие действия следует предпринять дальше. Кроме того, мы представим подход Re-Act - технику подсказок, которая побуждает модель думать «шаг за шагом», прежде чем действовать.</p>",U,v,ot="Мысли представляют собой внутренние процессы <strong>рассуждения и планирования</strong> агента для решения задачи.",z,x,dt="При этом используется способность Большой Языковой Модели (Large Language Model, LLM) агента <strong>анализировать информацию, представленную в подсказке</strong>.",j,c,vt="Считайте это внутренним диалогом агента, в ходе которого он обдумывает поставленную задачу и разрабатывает стратегию действий.",B,L,xt="Мысли Агента отвечают за доступ к текущим наблюдениям и решение о том, каким должно быть следующее действие (действия).",S,C,ct="Благодаря этому процессу агент может <strong>разбивать сложные проблемы на более мелкие и управляемые шаги</strong>, рефлексировать над прошлым опытом и постоянно корректировать свои планы основываясь на новой информации.",I,$,Lt="Вот несколько примеров общих мыслей:",K,_,Ct="<thead><tr><th>Тип мышления</th> <th>Пример</th></tr></thead> <tbody><tr><td>Планирование</td> <td>“Мне нужно разбить эту задачу на три этапа: 1) собрать данные, 2) проанализировать тенденции, 3) создать отчет”</td></tr> <tr><td>Анализ</td> <td>“Судя по сообщению об ошибке, проблема заключается в параметрах подключения к базе данных”</td></tr> <tr><td>Принятие решений</td> <td>“Учитывая бюджетные ограничения пользователя, я должен рекомендовать вариант среднего уровня”</td></tr> <tr><td>Решение проблем</td> <td>“Чтобы оптимизировать этот код, я должен сначала профилировать его, чтобы выявить узкие места”</td></tr> <tr><td>Интеграция памяти</td> <td>“Пользователь ранее упоминал, что предпочитает Python, поэтому я приведу примеры на Python”</td></tr> <tr><td>Саморефлексия</td> <td>“Мой последний подход не сработал, я должен попробовать другую стратегию”</td></tr> <tr><td>Постановка цели</td> <td>“Чтобы выполнить эту задачу, мне нужно сначала установить критерии приемки”</td></tr> <tr><td>Приоритизация</td> <td>“Уязвимость безопасности должна быть устранена до добавления новых функций”</td></tr></tbody>",Q,M,$t=`<p><strong>Примечание:</strong> В случае дообучения LLM вызову функций, процесс мышления необязателен.
<em>Если вы не знакомы с вызовом функций, более подробно об этом будет рассказано в разделе Действия.</em></p>`,G,T,D,b,_t="Ключевым методом является <strong>ReAct подход</strong>, который представляет собой конкатенацию ” Рассуждения (Reasoning)” (Мысли) и “Действия (Acting)“.",F,H,Mt="ReAct - это простая техника подсказки, которая добавляет «Давайте думать шаг за шагом», прежде чем позволить LLM декодировать следующие токены.",J,g,Tt="Действительно, побуждение модели думать “шаг за шагом” стимулирует процесс декодирования следующих токенов <strong>которые генерируют план</strong>, а не окончательное решение, поскольку модель поощряется <strong>декомпозировать</strong> проблему на <em>подзадачи</em>.",N,h,bt="Это позволяет модели рассматривать подзадачи более детально, что в целом приводит к меньшему количеству ошибок, чем при попытке непосредственно сгенерировать окончательное решение.",V,P,Ht='<img src="https://huggingface.co/datasets/agents-course/course-images/resolve/main/en/unit1/ReAct.png" alt="ReAct"/> <figcaption>(d) - это пример подхода Re-Act, когда мы подсказываем: &quot; Давай думать шаг за шагом&quot;.</figcaption>',W,f,gt="<p>В последнее время мы наблюдаем большой интерес к стратегиям рассуждений. Именно это лежит в основе таких моделей, как Deepseek R1 или OpenAI o1, которые были дообучены “думать перед ответом”.</p> <p>Эти модели были обучены всегда включать определенные секции <em>размышлений</em> (заключенные между специальными токенами <code>&lt;think&gt;</code> и <code>&lt;/think&gt;</code>). Это не просто техника подсказки, как в ReAct, а метод обучения, при котором модель учится генерировать эти секции после анализа тысяч примеров, которые показывают, чего мы от нее ожидаем.</p>",X,Y,Z,R,ht="Теперь, когда мы лучше понимаем процесс Мышления, давайте углубимся во вторую часть процесса: Действие.",tt,A,et,k,lt;return o=new Ut({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),d=new Rt({props:{title:"Мысль: Внутреннее Рассуждение и Re-Act подход",local:"мысль-внутреннее-рассуждение-и-re-act-подход",headingTag:"h1"}}),T=new Rt({props:{title:"Подход Re-Act",local:"подход-re-act",headingTag:"h2"}}),A=new zt({props:{source:"https://github.com/huggingface/agents-course/blob/main/units/ru-RU/unit1/thoughts.mdx"}}),{c(){r=p("meta"),q=i(),y=p("p"),E=i(),nt(o.$$.fragment),w=i(),nt(d.$$.fragment),O=i(),m=p("blockquote"),m.innerHTML=ft,U=i(),v=p("p"),v.innerHTML=ot,z=i(),x=p("p"),x.innerHTML=dt,j=i(),c=p("p"),c.textContent=vt,B=i(),L=p("p"),L.textContent=xt,S=i(),C=p("p"),C.innerHTML=ct,I=i(),$=p("p"),$.textContent=Lt,K=i(),_=p("table"),_.innerHTML=Ct,Q=i(),M=p("blockquote"),M.innerHTML=$t,G=i(),nt(T.$$.fragment),D=i(),b=p("p"),b.innerHTML=_t,F=i(),H=p("p"),H.textContent=Mt,J=i(),g=p("p"),g.innerHTML=Tt,N=i(),h=p("p"),h.textContent=bt,V=i(),P=p("figure"),P.innerHTML=Ht,W=i(),f=p("blockquote"),f.innerHTML=gt,X=i(),Y=p("hr"),Z=i(),R=p("p"),R.textContent=ht,tt=i(),nt(A.$$.fragment),et=i(),k=p("p"),this.h()},l(t){const e=wt("svelte-u9bgzb",document.head);r=a(e,"META",{name:!0,content:!0}),e.forEach(l),q=s(t),y=a(t,"P",{}),Pt(y).forEach(l),E=s(t),it(o.$$.fragment,t),w=s(t),it(d.$$.fragment,t),O=s(t),m=a(t,"BLOCKQUOTE",{class:!0,"data-svelte-h":!0}),u(m)!=="svelte-10qrhij"&&(m.innerHTML=ft),U=s(t),v=a(t,"P",{"data-svelte-h":!0}),u(v)!=="svelte-1mq2t8h"&&(v.innerHTML=ot),z=s(t),x=a(t,"P",{"data-svelte-h":!0}),u(x)!=="svelte-zxb2p7"&&(x.innerHTML=dt),j=s(t),c=a(t,"P",{"data-svelte-h":!0}),u(c)!=="svelte-tdb0pm"&&(c.textContent=vt),B=s(t),L=a(t,"P",{"data-svelte-h":!0}),u(L)!=="svelte-1vb7cbt"&&(L.textContent=xt),S=s(t),C=a(t,"P",{"data-svelte-h":!0}),u(C)!=="svelte-dk7tca"&&(C.innerHTML=ct),I=s(t),$=a(t,"P",{"data-svelte-h":!0}),u($)!=="svelte-118flum"&&($.textContent=Lt),K=s(t),_=a(t,"TABLE",{"data-svelte-h":!0}),u(_)!=="svelte-1yd0nz4"&&(_.innerHTML=Ct),Q=s(t),M=a(t,"BLOCKQUOTE",{"data-svelte-h":!0}),u(M)!=="svelte-jz84nr"&&(M.innerHTML=$t),G=s(t),it(T.$$.fragment,t),D=s(t),b=a(t,"P",{"data-svelte-h":!0}),u(b)!=="svelte-4en46r"&&(b.innerHTML=_t),F=s(t),H=a(t,"P",{"data-svelte-h":!0}),u(H)!=="svelte-6re8c"&&(H.textContent=Mt),J=s(t),g=a(t,"P",{"data-svelte-h":!0}),u(g)!=="svelte-18uk3cy"&&(g.innerHTML=Tt),N=s(t),h=a(t,"P",{"data-svelte-h":!0}),u(h)!=="svelte-8ja5px"&&(h.textContent=bt),V=s(t),P=a(t,"FIGURE",{"data-svelte-h":!0}),u(P)!=="svelte-1bq3yl6"&&(P.innerHTML=Ht),W=s(t),f=a(t,"BLOCKQUOTE",{class:!0,"data-svelte-h":!0}),u(f)!=="svelte-oav24y"&&(f.innerHTML=gt),X=s(t),Y=a(t,"HR",{}),Z=s(t),R=a(t,"P",{"data-svelte-h":!0}),u(R)!=="svelte-9u2ov"&&(R.textContent=ht),tt=s(t),it(A.$$.fragment,t),et=s(t),k=a(t,"P",{}),Pt(k).forEach(l),this.h()},h(){st(r,"name","hf:doc:metadata"),st(r,"content",Bt),st(m,"class","tip"),st(f,"class","tip")},m(t,e){Ot(document.head,r),n(t,q,e),n(t,y,e),n(t,E,e),pt(o,t,e),n(t,w,e),pt(d,t,e),n(t,O,e),n(t,m,e),n(t,U,e),n(t,v,e),n(t,z,e),n(t,x,e),n(t,j,e),n(t,c,e),n(t,B,e),n(t,L,e),n(t,S,e),n(t,C,e),n(t,I,e),n(t,$,e),n(t,K,e),n(t,_,e),n(t,Q,e),n(t,M,e),n(t,G,e),pt(T,t,e),n(t,D,e),n(t,b,e),n(t,F,e),n(t,H,e),n(t,J,e),n(t,g,e),n(t,N,e),n(t,h,e),n(t,V,e),n(t,P,e),n(t,W,e),n(t,f,e),n(t,X,e),n(t,Y,e),n(t,Z,e),n(t,R,e),n(t,tt,e),pt(A,t,e),n(t,et,e),n(t,k,e),lt=!0},p:yt,i(t){lt||(at(o.$$.fragment,t),at(d.$$.fragment,t),at(T.$$.fragment,t),at(A.$$.fragment,t),lt=!0)},o(t){ut(o.$$.fragment,t),ut(d.$$.fragment,t),ut(T.$$.fragment,t),ut(A.$$.fragment,t),lt=!1},d(t){t&&(l(q),l(y),l(E),l(w),l(O),l(m),l(U),l(v),l(z),l(x),l(j),l(c),l(B),l(L),l(S),l(C),l(I),l($),l(K),l(_),l(Q),l(M),l(G),l(D),l(b),l(F),l(H),l(J),l(g),l(N),l(h),l(V),l(P),l(W),l(f),l(X),l(Y),l(Z),l(R),l(tt),l(et),l(k)),l(r),rt(o,t),rt(d,t),rt(T,t),rt(A,t)}}}const Bt='{"title":"Мысль: Внутреннее Рассуждение и Re-Act подход","local":"мысль-внутреннее-рассуждение-и-re-act-подход","sections":[{"title":"Подход Re-Act","local":"подход-re-act","sections":[],"depth":2}],"depth":1}';function St(mt){return kt(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class Gt extends qt{constructor(r){super(),Et(this,r,St,jt,At,{})}}export{Gt as component};