0Pricing
AI Agents · Lección

Pilas de objetivos y retroceso

Añada subobjetivos a una pila, extráigalos al completarlos y retroceda ante los callejones sin salida: planificación clásica de IA.

Pilas de objetivos y retroceso es una lección gratuita de AI Agents en CoddyKit. Esta es la lección 2 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de AI Agents, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de AI Agents incluye 4 lecciones en total.

Partes de esta lección aún no han sido traducidas y se muestran en inglés.

Una pila de objetivos

La planificación clásica de IA utiliza una pila de objetivos: inserta los subobjetivos a medida que aparecen y los extrae cuando se completan. Los agentes pueden usar la misma estructura de datos:

goal_stack = []

def push(goal):
    goal_stack.append(goal)

def pop():
    return goal_stack.pop() if goal_stack else None

def current():
    return goal_stack[-1] if goal_stack else None

# --- demo ---
push('write the report')
push('collect the data')
print(f'Current goal: {current()}')
print(f'Popped: {pop()}')
print(f'Current goal after pop: {current()}')

Example: Refactoring Workflow

push('Refactor auth')
while current():
    g = current()
    if g == 'Refactor auth':
        if not done('add_oauth_dep'):
            push('Add OAuth dependency')
        elif not done('replace_login'):
            push('Replace login endpoint')
        else:
            pop()   # done
    elif g == 'Add OAuth dependency':
        # ...actually do the work...
        mark_done('add_oauth_dep')
        pop()

Retroceso

Cuando un objetivo falla:

  1. Marque que ha fallado
  2. Vuelva al nodo padre
  3. Pruebe un enfoque diferente (subobjetivos distintos)

Backtracking Example

def attempt(goal):
    for approach in [oauth, saml, custom_token]:
        try:
            return run_with(goal, approach)
        except FailedException:
            continue
    raise NoApproachWorked(goal)

Seguimiento de los enfoques probados

Evite volver a intentar el mismo enfoque fallido. Registre lo que se ha probado para cada objetivo:

{
    'goal_id': 'refactor-auth',
    'tried': ['oauth', 'saml'],
    'remaining_options': ['custom_token']
}

El LLM como selector de objetivos

Utilice el LLM para decidir qué insertar a continuación:

next_goal = llm.invoke(f'Current goal: {current()}. Done so far: {done_list}. What sub-goal next?').content
push(next_goal)

Precondiciones y efectos

Tome como referencia la planificación STRIPS: cada acción tiene precondiciones (lo que debe ser cierto) y efectos (lo que pasa a ser cierto):

action = {
    'name': 'replace_login',
    'preconditions': ['oauth_dep_installed'],
    'effects': ['login_endpoint_replaced']
}

Bucle de planificación y actuación

Enfoque en dos fases:

  1. Planificar — el planificador simbólico construye la pila de objetivos
  2. Actuar — el agente ejecuta el elemento superior de la pila, actualiza el estado del mundo y vuelve a planificar si es necesario

Simbólico híbrido + LLM

Para tareas con precondiciones claras (operaciones con archivos, despliegues), utilice un planificador simbólico. Para las partes ambiguas, utilice el LLM. Combínelos para obtener robustez.

Puntos muertos

A veces el agente llega a un estado en el que ninguna acción resulta útil. Reconozca los puntos muertos y retroceda más:

if no_progress_in_n_steps(5):
    pop_to_parent()
    try_different_approach()

Limite la profundidad del retroceso

Un retroceso sin límites puede entrar en un bucle infinito. Establezca límites para la profundidad y el total de iteraciones:

MAX_BACKTRACKS = 10
if backtrack_count >= MAX_BACKTRACKS:
    escalate_to_human()

Muestre los retrocesos a los usuarios

Cuando el agente retroceda, informe al usuario: "OAuth no funcionó; probando SAML". Esto mantiene la confianza y permite intervenir pronto.

Activador del retroceso

¿Cuándo debe retroceder el agente desde un subobjetivo?

Repaso

La pila de objetivos registra "¿dónde estoy?" para el agente. Inserte subobjetivos, extraiga los completados y retroceda ante los puntos muertos. Combine la planificación simbólica con el criterio del LLM.

Preguntas frecuentes

¿La lección «Pilas de objetivos y retroceso» es gratis?

Sí — el texto completo de «Pilas de objetivos y retroceso» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de AI Agents, actualiza a CoddyKit PRO. El curso de AI Agents incluye 4 lecciones en total.

¿Qué aprenderé en «Pilas de objetivos y retroceso»?

Añada subobjetivos a una pila, extráigalos al completarlos y retroceda ante los callejones sin salida: planificación clásica de IA. Practicas AI Agents con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.

¿Necesito experiencia previa para empezar AI Agents?

No se requiere experiencia previa. AI Agents en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 2 de 4.

¿Cuánto tiempo toma la lección «Pilas de objetivos y retroceso»?

La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.

¿Puedo escribir y ejecutar código en esta lección de AI Agents?

Sí. Cada lección de AI Agents incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.

Todas las lecciones de este curso

  1. Descomposición jerárquica de tareas
  2. Pilas de objetivos y retroceso
  3. Modelos del mundo y anticipación
  4. Bucles de reflexión y autocrítica
← Volver a AI Agents