E· UniversitetLaboration· ca 60 min· container
Labb: en agentloop med verktyg, budget och spår
Bygga en ReAct-loop (tänk → agera → observera) med två verktyg, ett budgettak och ett spår som går att läsa i efterhand — mot en deterministisk policy i stället för en LLM.
Lär ut: react-loopen · Kräver: verktygsanvandningpython-klasser
Teori
Agenten väljer varje steg ett verktyg och argument utifrån uppgiften och observationerna hittills, tills den svarar eller budgeten tar slut. Utan stoppvillkor springer den iväg.
Deluppgifter
- verktyg — `calculator(expr)` (bara siffror och + - * / parenteser, annars fel) och `lookup(key)` mot en liten faktabas.
- policy — `policy(task, trace)` → ('calculator', expr) | ('lookup', key) | ('answer', text) — regelbaserad.
- run_agent — `run_agent(task, budget)` kör loopen, loggar varje steg i trace, stoppar vid answer eller budget → {answer, steps, trace, stopped_by}.
Evals: task-success (success >= 0.8)
Logga in för att köra laborationen.
Förväntade resultat
≥ 80 % av uppgifterna löses inom 4 steg; en olöslig uppgift stoppas av budgeten med stopped_by='budget'.
Vanliga fel
eval()på fritt uttryck — validera tecknen först.- Loopen saknar budgetkontroll.
- Spåret loggar inte observationen.