گردش‌کار عامل‌های هوش مصنوعی: معماری سیستم و الگوهای طراحی
۸ مهر ۱۴۰۵
این سند معماری گذار از تولید احتمالاتی حلقه‌باز به حلقه‌های عامل‌محور دارای وضعیت و اصلاح خودکار را طبقه‌بندی می‌کند. معماری بازبینی، اجرای ابزار با الزام شِما، تناوب استدلال و اقدام در ReAct، تجزیه برنامه مبتنی بر DAG و شبکه‌های اجماع چندعاملی را با صورت‌بندی ریاضی و حالت‌های خرابی عملیاتی بررسی می‌کند.
ماتریس مشخصات عملیاتی
- نسخه سیستم: v4.2، تأییدشده در محیط عملیاتی
- دامنه اجرا: سیستم‌های توزیع‌شده و حلقه‌های کنترل شناختی
- الگوهای عملیاتی: کنترل حلقه‌بسته با وضعیت گسسته و بازبرنامه‌ریزی پویا
۰۰. مفاهیم پایه: کنترل حلقه‌باز در برابر حلقه‌بسته
سرویس‌دهی متداول مدل زبانی بزرگ (LLM)، خط پردازش پیش‌خور حلقه‌باز دارد:
$$\text{Output} \sim P(\text{Tokens} \mid \text{Context})$$
مدل بر اساس زمینه ورودی، احتمال توکن‌ها را محاسبه و یک خروجی نمونه‌برداری می‌کند. خطاها در مسیرهای اجرای چندمرحله‌ای با رشد درجه‌دو انباشته می‌شوند.
گردش‌کار عامل‌محور، استنتاج حلقه‌باز را با سامانه کنترل گسسته حلقه‌بسته جایگزین می‌کند:
$$S_{t+1} = f_{\text{transition}}(S_t, A_t, O_t)$$ $$A_t = \pi_{\text{policy}}(S_t; \theta_{\text{LLM}})$$ $$O_t = E(A_t)$$
در این روابط:
- $S_t$ نشان‌دهنده حافظه کاری، وضعیت یادداشت‌های موقت و متغیرهای محیط است.
- $A_t$ اقدام ساخت‌یافته است؛ مانند فراخوانی ابزار، پرس‌وجوی فرعی یا اجرای کد.
- $O_t$ مشاهده تجربی است که محیط $E$ برمی‌گرداند.
۰۱. الگوی بازبینی: حلقه دوعاملی ارزیاب و منتقد
الگوی بازبینی، تولید را از تضمین کیفیت جدا می‌کند تا محدودیت رمزگشایی خودرگرسیو تک‌مرحله‌ای را پوشش دهد:
- مولد ($\pi_{\text{gen}}$): بر اساس هدف کار $X$، خروجی خلاق، تحلیلی یا الگوریتمی را بدون محدودیت ارزیابی اولیه تولید می‌کند.
- ارزیاب / منتقد ($\pi_{\text{eval}}$): با معیارهای مشخص، اتکای خروجی به واقعیت، پوشش حالت‌های مرزی و انطباق با شِما را بررسی می‌کند.
- حافظه اصلاح وضعیت: تفاوت‌های صریح و بازخورد ساخت‌یافته را به زمینه مولد برمی‌گرداند. این چرخه تا تأمین معیارهای پذیرش ادامه می‌یابد.
حالت خرابی بحرانی در محیط عملیاتی:
اشباع نقد زمانی رخ می‌دهد که مولد و منتقد بر سر ترجیح‌های سبکی ذهنی، وارد حلقه نوسانی بی‌پایان شوند. سامانه باید تعداد تکرار را محدود کند؛ N <= ۳. همچنین باید همگرایی یکنواخت را بررسی کند.
۰۲. الگوی استفاده از ابزار: فراخوانی تابع با الزام شِما
این الگو استنتاج احتمالاتی را به محاسبه قطعی و درگاه‌های API بیرونی متصل می‌کند:
- الزام شِما: مدل‌های Pydantic یا مشخصات JSON Schema مستقیم در زمینه مدل قرار می‌گیرند.
- تجزیه و اعتبارسنجی AST: پیش از فراخوانی، محیط ایزوله نحو پارامترها، نوع داده و مجوزها را بررسی می‌کند.
- Idempotency و برگشت‌پذیری: ابزارهای تغییردهنده وضعیت باید سازوکار بازگردانی داشته باشند یا تأیید صریح انسان را در فرایند اجرا الزامی کنند.
۰۳. الگوی ReAct: تناوب استدلال و اقدام
این الگو با حافظه موقت پایدار، استدلال پویا را به بازخورد محیط متصل می‌کند:
- فکر: مسیر استدلال داخلی، گام بعدی را برنامه‌ریزی می‌کند.
- اقدام: فراخوانی ساخت‌یافته ابزار یا پرس‌وجوی بیرونی را اجرا می‌کند.
- مشاهده: خروجی قطعی ابزار را دریافت می‌کند.
این حلقه، مدل را ملزم می‌کند پیش از انتخاب عملیات بعدی، پیامد هر وضعیت میانی را ارزیابی کند و از اجرای بدون بازخورد جلوگیری می‌کند.
۰۴. الگوی برنامه‌ریزی: اجرای گراف جهت‌دار بدون دور (DAG)
این الگو اهداف پیچیده را به گراف وابستگی تجزیه می‌کند و محرک‌های بازبرنامه‌ریزی پویا دارد:
- تجزیه برنامه: هدف کلان را به زیرکارهای مجزا با قرارداد صریح ورودی و خروجی تبدیل می‌کند.
- مرتب‌سازی توپولوژیک: زیرکارهای مستقل را هم‌زمان میان پردازشگرهای کاری اجرا می‌کند.
- بازبرنامه‌ریزی پویا: اگر گره $N_i$ شکست بخورد یا خروجی غیرمنتظره بدهد، برنامه‌ریز وابستگی‌های پایین‌دست گراف را تغییر می‌دهد. اجرای کل فرایند از ابتدا تکرار نمی‌شود.
۰۵. الگوی همکاری چندعاملی: توپولوژی سلسله‌مراتبی
این الگو تخصص را توزیع می‌کند و از گذرگاه پیام و تجمیع اجماع میان عامل‌های ناهمگون استفاده می‌کند:
- توپولوژی ناظر و عامل اجرایی: عامل ناظر، زیرکارها را به عامل‌های تخصصی واگذار و خروجی‌ها را تجمیع می‌کند.
- معماری گذرگاه پیام: کانال‌های ساخت‌یافته JSON-RPC یا رویداد، ارتباط ناهمگام میان عامل‌ها را برقرار می‌کنند.
- پروتکل‌های اجماع: رأی‌گیری یا مناظره، دیدگاه‌های متناقض مدل‌های تخصصی را حل می‌کند.
۰۶. ماتریس کمی معماری
| الگو | سربار توکن | SLA تأخیر | تغییر قابلیت اطمینان | ضریب هزینه |
|---|---|---|---|---|
| مبنای تک‌نوبتی | ۱٫۰ برابر، مبنا | ۳۰۰ - ۸۰۰ میلی‌ثانیه | مبنا، پایین | ۱٫۰ برابر |
| حلقه بازبینی | ۲٫۵ - ۴٫۰ برابر | ۳٫۰ - ۸٫۰ ثانیه | ۳۴٪ افزایش دقت | حدود ۳٫۲ برابر |
| استفاده از ابزار (RPC) | ۱٫۲ - ۲٫۰ برابر | ۱٫۰ - ۴٫۰ ثانیه | ۶۲٪ افزایش اتکا به شواهد | حدود ۱٫۵ برابر |
| الگوی ReAct | ۳٫۰ - ۶٫۰ برابر | ۵٫۰ - ۱۵٫۰ ثانیه | ۵۱٪ افزایش موفقیت | حدود ۴٫۵ برابر |
| برنامه‌ریزی (DAG) | ۴٫۰ - ۸٫۰ برابر | ۸٫۰ - ۲۵٫۰ ثانیه | ۶۸٪ بهبود عملکرد چندمرحله‌ای | حدود ۶٫۰ برابر |
| سلسله‌مراتب چندعاملی | ۶٫۰ - ۱۵٫۰ برابر | ۱۵٫۰ - ۴۵٫۰ ثانیه | ۷۴٪ بهبود ترکیب پیچیده | حدود ۱۰٫۵ برابر |
۰۷. آماده‌سازی برای محیط عملیاتی: محدودیت‌های اجرایی
- سقف گام و مهلت مصرف توکن: سقف تعداد گام (
MAX_STEPS = 10) و مهلت قطعی زمان سپری‌شده (TIMEOUT = 30s) را اعمال کنید تا مصرف توکن نامحدود نشود. - تشخیص حلقه و نوسان: آرگومان فراخوانی‌های اخیر ابزار و رد یادداشت‌های موقت را هش کنید تا چرخه‌های تکراری شناسایی و خودکار قطع شوند.
- نقاط بازیابی قطعی وضعیت: پیش از تغییرات حساس بیرونی، از وضعیت کاری تصویر بگیرید تا پس از خرابی گره، بازیابی بدون اتلاف داده ممکن باشد.