సాధారణ చాట్బాట్ కేవలం టెక్స్ట్తో సమాధానమిస్తుంది — మీరు అడుగుతారు, ఇది సమాధానమిస్తుంది, మరియు మార్పిడి అక్కడ ముగుస్తుంది. ఒక ఏజెంట్ ఒక లూప్ను నడుపుతుంది: ఇది చర్యలు తీసుకోవడానికి సాధనాలను కాల్ చేయగలదు, ఫలితాలను గమనించగలదు, మరియు ఒక స్టాపింగ్ షరతు పూరితమైనంత వరకు ఒక లక్ష్యం వైపు పునరావృతం చేయగలదు. తేడా చేయడం, కేవలం మాట్లాడటం కాదు.
Goal → [think → call a tool → observe result → think again] → repeat → stop when done
ప్రతి దశలో ఏజెంట్ ఒక సమాధానం ఇచ్చి ఆపడానికి బదులుగా, ఇది ఎలా నేర్చుకుందో ఆధారంగా తరువాత ఏమి చేయాలో నిర్ణయిస్తుంది.
ఏజెంట్ యొక్క "సాధనాలు" దానిని ప్రపంచంలో పనిచేయనివ్వుతాయి:
Goal: "Fix the failing test."
1. Run the test suite → observe: test_login fails
2. Read the failing test → observe: it expects a 200, got 500
3. Search for the handler → observe: missing null check
4. Edit the handler file → write the fix
5. Run the test suite again → observe: all pass
→ stopping condition met: tests green, done
చాట్బాట్ సాధ్యమైన ఫిక్స్ గురించి వివరించగలదు మాత్రమే; ఏజెంట్ దానిని వాస్తవానికి వర్తింపజేస్తుంది మరియు పరీక్షలను నేవంగా నడిపించడం ద్వారా ఫలితాన్ని ధృవీకరిస్తుంది.
ఏజెంట్ లూప్ను అర్థం చేసుకోవడం ఏజెంట్లు వాస్తవ మల్టీ-స్టెప్ పని — డీబగ్గింగ్, రీఫ్యాక్టరింగ్, పరిశోధన — దానిని వివరించకుండా పూర్ణం చేయగలిగిన కారణాన్ని వివరిస్తుంది. టూల్-కాల్-ఆబ్జర్వ్-ఇటరేట్ సైకిల్, స్పష్టమైన స్టాపింగ్ కండిషనతో, ఒక ల్యాంగ్వేజ్ మోడల్ను సంభాషణ టెక్స్ట్ జెనరేటర్ నుండి వాస్తవానికి పనులు చేసే వాటికి మార్చేది.