Agentiska mönster: planera–utför–verifiera
Gör först en plan, utför sedan steg för steg och verifiera därefter mot acceptanskriterierna – det slår en enda körning.
Agentiska mönster: planera–utför–verifiera är en gratis lektion i AI-agenter på CoddyKit. Detta är lektion 1 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för AI-agenter, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i AI-agenter innehåller totalt 4 lektioner.
Delar av den här lektionen har ännu inte översatts och visas på engelska.
Varför planera först?
Engångsgenerering av kod fungerar för små uppgifter (”skriv en fizzbuzz”). För riktiga programvaruändringar bör agenten:
- Plan — dela upp uppgiften i steg
- Execute — implementera varje steg
- Verify — testa, lint-kontrollera och köra
- Iterate — åtgärda tills allt är verifierat
Steg 1: Planera
Be modellen skapa en strukturerad plan:
PLAN_PROMPT = '''
You are a senior engineer. Given this task, produce a JSON plan:
{steps: [{description, files_to_touch: [str], test_commands: [str]}], risks: [str]}
Task: {user_task}
'''Plan Schema
from pydantic import BaseModel
class Step(BaseModel):
description: str
files_to_touch: list[str]
test_commands: list[str]
class Plan(BaseModel):
steps: list[Step]
risks: list[str]Steg 2: Utför
Utför varje steg i ordning. Ge modellen filinnehållet som kontext:
for step in plan.steps:
context = {f: read_file(f) for f in step.files_to_touch}
diff = llm.invoke(f'Implement: {step.description}\nFiles:\n{context}').content
apply_diff(diff)Steg 3: Verifiera
Kör tester, lint-kontroll och build för varje steg:
for cmd in step.test_commands:
result = sandbox.run(cmd)
if result.exit_code != 0:
# Verification failed; iterate
loop_until_verified(step, result.stderr)Step 4: Iterate Until Pass
MAX_ITERS = 5
for iter in range(MAX_ITERS):
result = sandbox.run(test_cmd)
if result.exit_code == 0:
break
fix = llm.invoke(f'Tests failed:\n{result.stderr}\nFix the code.').content
apply_diff(fix)Visa diffar, inte hela filer
För inkrementella ändringar bör modellen skapa UNIFIED DIFFS:
diff = '''
--- a/main.py
+++ b/main.py
@@ -10,3 +10,4 @@
def add(a, b):
return a + b
+
+def sub(a, b): return a - b
'''
import patch
patch.fromstring(diff).apply()Planens kvalitet spelar roll
En dålig plan dömer exekveringen till misslyckande. Använd en starkare modell för planering (GPT-4o, Claude Sonnet 4.5) och en billigare för exekvering (gpt-4o-mini, haiku) om budgeten är begränsad.
Planera om när ni fastnar
Om verifieringen misslyckas upprepade gånger ska ni överge den aktuella planen och be LLM planera om med den nya informationen:
if iter == MAX_ITERS - 1:
new_plan = llm.invoke(f'Original plan failed. Errors: {errors}. Make a new plan.').contentAvvägningen vid långsiktig planering
Ju längre tidshorisonten är, desto sämre blir modellens planer. För uppgifter i 10 eller fler steg ska ni skapa en grov plan och förfina den vid varje steg.
Plan + kritiker
Låt en ”kritikeragent” granska planen före exekveringen. Den upptäcker uppenbara misstag tidigt – billigare än att åtgärda dem under exekveringen.
Visa planen för användaren
Visa planen för användaren innan den körs. Låt användaren redigera den:
approved_plan = await ask_user_to_approve_or_edit(plan)
execute(approved_plan)Planera–utför–verifiera
Varför är det här mönstret mer tillförlitligt än engångsgenerering av kod?
Sammanfattning
Planera, utför, verifiera och iterera. Använd en stark planerare, en billig exekverare och kör riktiga tester. Visa planerna för användarna när insatserna är höga.
Lär dig AI-agenter med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 60
- Lektioner
- 239
Vanliga frågor
Är lektionen ”Agentiska mönster: planera–utför–verifiera” gratis?
Ja – hela texten till ”Agentiska mönster: planera–utför–verifiera” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i AI-agenter, kan Ni uppgradera till CoddyKit PRO. Kursen i AI-agenter innehåller totalt 4 lektioner.
Vad lär jag mig i ”Agentiska mönster: planera–utför–verifiera”?
Gör först en plan, utför sedan steg för steg och verifiera därefter mot acceptanskriterierna – det slår en enda körning. Ni övar på AI-agenter med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig AI-agenter?
Du behöver inga förkunskaper. Utbildningen i AI-agenter på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 1 av 4.
Hur lång tid tar lektionen ”Agentiska mönster: planera–utför–verifiera”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här AI-agenter-lektionen?
Ja. Varje AI-agenter-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Agentiska mönster: planera–utför–verifiera
- Verktygsgränssnitt för kodning (Read, Edit, Bash)
- Iterativa självkorrigeringsloopar
- Arkitekturerna bakom SWE-Agent och OpenDevin