Планирование

Рассуждение высшего порядка о самих процессах рассуждения, включая выбор стратегии и мониторинг

Подход к автоматизированному планированию, который с помощью знаний предметной области декомпозирует сложные задачи в иерархически структурированные сети более простых задач

Систематическая декомпозиция задач, отслеживание прогресса и адаптивное управление рабочими процессами для сложных многоэтапных процессов

Систематическое разбиение сложных целей на достижимые, измеримые подцели с чёткими критериями успеха

Подход к планированию, который одновременно удовлетворяет множеству ограничений, оптимизируя при этом цели

Многосценарное планирование, которое готовит к различным возможным вариантам будущего и неопределённым условиям

Генерирует весь план или граф вызовов инструментов заранее, в отрыве от наблюдений инструментов, и только затем выполняет его. ReWOO записывает параметризованную переменными цепочку вызовов инструментов до того, как что-либо запустится, сокращая избыточные обращения к модели; LLMCompiler строит DAG зависимостей и параллельно отправляет независимые вызовы инструментов. Это отличается от ReAct, который чередует по одной мысли и одному действию за раз и повторно подаёт каждое наблюдение в промпт.

Агент ведёт явный, редактируемый артефакт списка задач или плана (например, вызов инструмента write_todos или файл todo.md) и постоянно переписывает и проговаривает его по мере выполнения работы. Повторный вывод развивающегося плана в конце контекстного окна на каждом шаге возвращает глобальную цель в недавнее внимание модели, что противостоит дрейфу цели и забыванию по типу «потерялся в середине» на протяжении длительных запусков.

Агент поддерживает модель мира (или использует в этом качестве сам LLM), которая предсказывает следующее состояние и последствие каждого возможного действия, а затем прогоняет упреждающие развёртывания («представить, прежде чем действовать»), чтобы оценить и выбрать действие до того, как что-либо будет выполнено в реальной среде. Это распространяет обучение с подкреплением на основе модели на языковых агентов и особенно важно там, где действия необратимы, а откат на работающем сайте или в GUI невозможен. В отличие от scenario-planning, который рассуждает о нескольких стратегических вариантах будущего без симулятора «действие-последствие», и от reflective-mcts, который ведёт поиск по трассам рассуждений, а не по симулированным состояниям среды.