Aqbeż għall-kontenut ewlieni
Malti— Agħżel lingwa
Menu

Aġent b'diversi passi b'ċiklu ta' raġunament

Lezzjoni 15 / 25 Aġġornat 29 ta’ Lulju 2026 Zviluppatur
F'din il-paġna
  1. Aġent b’diversi passi b’ċiklu ta’ raġunament
  2. Il-mudell ippjana-eżegwixxi
  3. Aġent li jikkoreġi lilu nnifsu
  4. Mudell: katina ta’ aġenti speċjalizzati
  5. Kontroll tal-fond tar-raġunament
  6. Punti Ewlenin

Aġent b’diversi passi b’ċiklu ta’ raġunament

L-aġenti l-aktar qawwija ma jieqfux wara sejħa waħda għal għodda. Dawn iqabbdu diversi passi ta’ raġunament, jaġġustaw l-istrateġija tagħhom skont ir-riżultati, u jirrepetu sakemm jilħqu l-għan tagħhom. F’din il-lezzjoni, se titgħallem kif tibni dawn l-aġenti b’diversi passi. L-eżempji jużaw il-familja GPT-5.6: fejn il-ġenerazzjoni preċedenti kienet teħtieġ tibdel il-mudelli biex tattivaw ir-raġunament, issa tikkontrolla dan l-imġiba permezz tal-issettjar tal-isforz fuq il-mudell li għażilt.

Il-mudell ippjana-eżegwixxi

Aġent b’diversi passi jibda billi joħloq pjan, imbagħad jeżegwixxi kull pass. Din is-separazzjoni hija deliberata: l-ippjanatur m’għandux għodod u jipproduċi struttura ttajpjata, filwaqt li l-eżekutur jirċievi dan il-pjan bħala mappa tat-triq u sempliċiment isegwih. Talba vaga bħal “ħejji r-reviżjoni trimestrali għall-klijenti ewlenin” issir sekwenza konkreta ta’ azzjonijiet—istaqsi lis-CRM, iġġenera r-rapport, ibgħat l-email—qabel ma tiġi ppruvata kwalunkwe azzjoni.

from agents import Agent, Runner, function_tool
from pydantic import BaseModel
import json

class PlanAction(BaseModel):
    steps: list[str]
    objective: str

planner_agent = Agent(
    name="Planner",
    instructions="""You receive a complex task. Break it down into simple, ordered steps.
    Each step must be a concrete, actionable item.""",
    model="gpt-5.6-sol",  # Advanced reasoning for planning
    output_type=PlanAction,
)

@function_tool
def search_crm(query: str) -> str:
    """Searches the CRM for customer information."""
    return json.dumps({"customers": [
        {"name": "Acme Corp", "revenue": 500000, "contract": "Enterprise"},
        {"name": "TechStart", "revenue": 50000, "contract": "Starter"},
    ]})

@function_tool
def generate_report(title: str, content: str) -> str:
    """Generates a formatted report."""
    return f"Report '{title}' generated successfully ({len(content)} characters)"

@function_tool
def send_email(recipient: str, subject: str, body: str) -> str:
    """Sends an email."""
    return f"Email sent to {recipient}: {subject}"

executor_agent = Agent(
    name="Executor",
    instructions="""You execute tasks step by step.
    Use available tools to complete each step.
    If a step fails, try an alternative approach.""",
    tools=[search_crm, generate_report, send_email],
    model="gpt-5.6-terra",
)

async def process_complex_task(task: str):
    # Step 1: Plan
    plan = await Runner.run(planner_agent, task)
    print(f"Plan: {plan.final_output.steps}")

    # Step 2: Execute with the plan as context
    execution_instructions = f"""Execute the following steps in order:
    {chr(10).join(f'{i+1}. {e}' for i, e in enumerate(plan.final_output.steps))}
    Objective: {plan.final_output.objective}"""

    result = await Runner.run(executor_agent, execution_instructions)
    return result.final_output

Aġent li jikkoreġi lilu nnifsu

L-ippjanar mhux biżżejjed: fid-dinja reali, l-għodod ifallu. It-tieni forma ta’ ċikli tippermetti lill-aġent jiskopri l-iżbalji tiegħu stess u jikkoreġihom. Kollox jiddependi fuq dettall li spiss jiġi injorat—l-għodda ma tqajjimx eċċezzjoni; tirritorna messaġġ ta’ żball li jista’ jinqara. L-aġent jaqrah, jinduna li nesa l-klawżola FROM, jikteb mill-ġdid il-mistoqsija tiegħu, u jerġa’ jipprova, fil-limitu ta’ tliet tentattivi stabbilit mill-istruzzjonijiet tiegħu.

from agents import Agent, Runner, function_tool

@function_tool
def execute_sql_query(sql: str) -> str:
    """Executes an SQL query on the database."""
    # Simulation: some queries fail
    if "DROP" in sql.upper():
        return "ERROR: Destructive queries are forbidden."
    if "SELECT" in sql.upper() and "FROM" not in sql.upper():
        return "ERROR: Invalid SQL syntax - missing FROM."
    return json.dumps({
        "columns": ["name", "monthly_revenue", "region"],
        "rows": [
            ["Acme Corp", 45000, "Île-de-France"],
            ["TechStart", 12000, "Rhône-Alpes"],
        ],
        "result_count": 2
    })

analyst_agent = Agent(
    name="Data Analyst",
    instructions="""You analyze data by executing SQL queries.
    If a query fails:
    1. Analyze the error message
    2. Correct the query
    3. Retry
    Maximum 3 attempts per query.
    Never use DROP, DELETE, or TRUNCATE.""",
    tools=[execute_sql_query],
    model="gpt-5.6-terra",
    max_turns=10,  # Enough turns for corrections
)

result = Runner.run_sync(
    analyst_agent,
    "What is the total revenue by region?"
)

Innota li l-projbizzjoni fuq mistoqsijiet distruttivi tidher f’żewġ postijiet: fl-istruzzjonijiet u fil-kodiċi tal-għodda. L-istruzzjoni tiggwida l-mudell, iżda biss il-verifika fuq in-naħa tas-server fl-għodda tiggarantixxi li DROP TABLE qatt ma tgħaddi.

Mudell: katina ta’ aġenti speċjalizzati

Għal flussi ta’ ħidma kumplessi, qabbad diversi aġenti speċjalizzati minflok ma tgħabbi aġent wieħed b’kull responsabbiltà. Kull ħolqa għandha rwol ċar: il-ġemmiegħ jiġbor il-materja prima, l-analista—mgħammar b’mudell ta’ raġunament—jidentifika x-xejriet, u l-kittieb jifforma l-output. Il-benefiċċju huwa kemm edukattiv kif ukoll operattiv: meta r-rapport finali jiddisappunta, tkun taf immedjatament liema mit-tliet aġenti trissewwa.

from agents import Agent, Runner

collection_agent = Agent(
    name="Data Collector",
    instructions="Collect all data necessary for the analysis.",
    tools=[search_crm, execute_sql_query],
    model="gpt-5.6-terra",
)

analysis_agent = Agent(
    name="Analyst",
    instructions="Analyze the collected data and identify trends.",
    model="gpt-5.6-sol",  # Advanced reasoning for analysis
)

writing_agent = Agent(
    name="Writer",
    instructions="""Write a clear, structured report in English
    based on the provided analysis. Format: introduction, key points, recommendations.""",
    model="gpt-5.6-terra",
)

async def analysis_pipeline(question: str):
    # Step 1: Collect data
    data = await Runner.run(collection_agent, question)

    # Step 2: Analyze
    analysis = await Runner.run(
        analysis_agent,
        f"Analyze this data: {data.final_output}"
    )

    # Step 3: Write the report
    report = await Runner.run(
        writing_agent,
        f"Write a report based on this analysis: {analysis.final_output}"
    )

    return report.final_output

Kontroll tal-fond tar-raġunament

Dawn iċ-ċikli kollha jaqsmu karatteristika waħda: jistgħu qatt ma jieqfu. Il-parametru max_turns huwa l-protezzjoni primarja tiegħek, u taġġustah abbażi tal-ambizzjoni tal-kompitu. Tliet dawriet biżżejjed għal aġent mistenni jwieġeb fl-ewwel tentattiv; ħamsa u għoxrin huma meħtieġa għal esplorazzjoni li tistaqsi sorsi multipli qabel ma tikkonkludi.

# Conservative agent: few turns
simple_agent = Agent(
    name="Simple Agent",
    instructions="Answer in a single turn if possible.",
    model="gpt-5.6-terra",
)
result = await Runner.run(simple_agent, "Simple question", max_turns=3)

# Complex agent: many turns
research_agent = Agent(
    name="Deep Researcher",
    instructions="Explore all angles before concluding.",
    tools=[search_crm, execute_sql_query],
    model="gpt-5.6-terra",
)
result = await Runner.run(research_agent, "Complete Q1 analysis", max_turns=25)

Ipprovdja dan il-valur billi tosserva t-traċċi tiegħek minflok ma tissuspetta: jekk l-eżekuzzjonijiet attwali tiegħek jispiċċaw f’sitt dawriet, limitu ta’ ħamsa u għoxrin ma jipproteġi kontra xejn.

Punti Ewlenin

  • Il-mudell ippjana-eżegwixxi jissepara l-ippjanar (mudell ta’ raġunament) mill-eżekuzzjoni
  • Aġent li jikkoreġi lilu nnifsu janalizza l-iżbalji tiegħu u jaġġusta l-istrateġija tiegħu
  • Katini ta’ aġenti speċjalizzati jippermettu flussi ta’ ħidma kumplessi u li jistgħu jinżammu
  • max_turns jikkontrolla l-fond tar-raġunament u jipproteġi kontra ċikli infiniti
  • Irriżerva kapaċitajiet avvanzati ta’ raġunament għall-ippjanar u l-analiżi