دیگر پاسخ دادن به درخواست‌های ساده و تولید متن‌های ایستا برای ساخت سیستم‌های هوشمندی که باید مسائل پیچیده و باز را حل کنند، کافی نیست. عامل‌های خودمختار (Autonomous Agents) این شکاف را پر می‌کنند و مدل‌های زبانی بزرگ را از پیش‌بینی‌کننده‌های غیرفعال متن به حل‌کنندگان فعالی تبدیل می‌کنند که می‌توانند استدلال کنند، به خاطر بسپارند و با دنیای خارج تعامل داشته باشند. بدون این تحول، برنامه‌های شما در چرخه‌های درخواست و پاسخ تک‌مرحله‌ای محبوس می‌مانند و از عهده وظایف چندمرحله‌ای برنمی‌آیند. هسته اصلی رفتار عاملی بر پایه استدلال زنجیره تفکر (Chain-of-Thought) بنا شده است؛ تکنیکی که مدل را مجبور می‌کند به جای جهش مستقیم به سمت یک نتیجه‌گیری نادرست، مراحل میانی فکر کردن خود را آشکار کند. هنگامی که این رویکرد با چهارچوب استدلال و عمل (Reason and Act) ترکیب می‌شود، عامل میان تفکر ذهنی و اقدامات بیرونی جابه‌جا می‌شود و از ابزارهایی مانند جستجوی وب برای بازیابی اطلاعات مفقود استفاده می‌کند. پیاده‌سازی دستی این حلقه‌ها پیچیده است، به همین دلیل فریم‌ورک‌های مدرن انتزاع‌هایی مانند توابع اپن‌آی‌ال‌آی (OpenAI Functions) را برای استفاده ساختاریافته از ابزار فراهم می‌کنند. البته عاتلی که حافظه نداشته باشد، صرفاً یک ماشین حساب پیشرفته است. این فصل به بررسی حافظه کوتاه‌مدت (Short-Term Memory) برای مدیریت گفتگوهای فعال و حافظه بلندمدت (Long-Term Memory) برای بازیابی پایدار می‌پردازد. با استفاده از انواع حافظه در لنگ‌چین (LangChain)، سیستم‌ها می‌توانند وضعیت (State) را حفظ کرده و با محدودیت‌های پنجره زمینه (Context Window) سازگار شوند. در نهایت، قابلیت مشاهده (Observability) از طریق کالبک‌ها (Callbacks) و شمارش توکن مدیریت می‌شود تا امکان دیباگ سیستم فراهم باشد. | رویکرد | مناسب برای | محدودیت اصلی | زمان پرهیز | | :--- | :--- | :--- | :--- | | تابع اپن‌آی‌ال‌آی | فرایندهای ساختاریافته و انتخاب ابزار | وابسته به اکوسیستم ارائه‌دهنده خاص | استدلال‌های بسیار پویا و چندمسیره | | چهارچوب ReAct | اکتشاف باز و استدلال چندمرحله‌ای | تأخیر بیشتر و مصرف بالای توکن | کارهای ساده و تک‌مرحله‌ای | [ ] طراحی یک عامل چندمرحله‌ای با استفاده از حلقه ReAct برای حل مسائل پویا. [ ] یکپارچه‌سازی ابزارهای خارجی با استفاده از طرح‌واره‌های ساختاریافته. [ ] پیکربندی حافظه‌های کوتاه‌مدت و بلندمدت در لنگ‌چین برای حفظ وضعیت گفتگو. [ ] پیاده‌سازی جریان‌های اجرای عامل سفارشی با استفاده از ال‌سی‌ئی‌ال (LCEL). [ ] نظارت بر مصرف توکن و رهگیری مسیرهای اجرای عامل با استفاده از کالبک‌ها.