🔁 धडा 02 — loop: विचार → कृती → निरीक्षण

📍 तुम्ही इथे आहात: 8 पैकी धडा 02 · मागे: lesson-01-what-is-an-agent · पुढे: lesson-03-tools

📦 या ब्रँचमध्ये काय आहे

धडा 01, आणि इंजिन: प्रत्येक agent चालवतो ते तीन ठोक्यांचे चक्र, आणि प्रत्येक ठोका का महत्त्वाचा आहे.

🧒 5 वर्षांच्या मुलाला समजावल्यासारखे

तुम्ही एखादे काम कसे करता? परिपूर्ण योजनेने नाही — एका चक्राने:

THINK 💭 — "Pizzas… आधी मला किती मुले आहेत ते कळायला हवे."
ACT 🧰 — office मध्ये जाऊन विचारा (tool वापरा).
OBSERVE 👀 — "3A मध्ये 12 आहेत." नवीन तथ्य! त्यामुळे पुढचे पाऊल बदलते.
…परत THINK कडे, आता जास्त हुशार. done होईपर्यंत पुन्हा करा.

जादू ठोका 3 मध्ये आहे: जग उत्तर देते, आणि पुढचा विचार ते उत्तर वापरतो. आधीच पूर्ण आखलेली योजना पहिल्याच आश्चर्यावर मोडेल ("3B सहलीला गेला आहे!"); loop आश्चर्ये पचवतो — एका वेळी एक निरीक्षण.

आता AI course (L05/L11) मधला मुख्य मुद्दा: THINK ठोका अक्षरशः next-token prediction आहे — model आपला विचार आणि निवडलेली कृती text म्हणून लिहिते. harness ती कृती चालवतो आणि निरीक्षण परत desk वर चिकटवतो (L08). loop म्हणजे text-predictor आणि वास्तव यांच्यातला संवाद. "ReAct" (Reason + Act — या pattern चे शैक्षणिक नाव) चा अर्थ एवढाच आहे.

🗺️ आकृती

flowchart LR
    goal["📋 GOAL"]
    think["💭 THINK<br/>model writes reasoning +<br/>chosen action, as text"]
    act["🧰 ACT<br/>harness executes<br/>the tool call"]
    look["👀 OBSERVE<br/>result pasted onto<br/>the desk (scratchpad)"]
    done["✅ done {answer}"]
    goal --> think -->|"1"| act -->|"2"| look -->|"3 loop, smarter"| think
    think -->|"eventually"| done

❓ काय

आपल्या code मधला एक ठोका (agent.py): brain.decide(goal, scratchpad) (THINK) → tool dispatch (ACT) → observation हे scratchpad मध्ये जोडले जाते (OBSERVE). for step in range(...) ही ओळच agent आहे.
थांबणे: एक खास done action — model स्वतः ठरवते की काम संपले. शिवाय एक कडक MAX_STEPS backstop, कारण "कधीतरी" ही हमी नाही (धडा 05).
scratchpad ही loop ची memory आहे — प्रत्येक पुढच्या विचाराला आधीच्या सगळ्या act/observe जोड्या दिसतात (धडा 04 यात खोलवर जातो).
errors सुद्धा त्याच रुळांवरून जातात: अयशस्वी tool एक error STRING परत करते, model ती वाचते आणि जुळवून घेते — "errors are data" (MCP शाळा L06).

🤔 का

प्रत्येक agent framework — कितीही भव्य असो — हा loop आणि त्याभोवतीचे सामान आहे. agent चुकीचे वागला तर त्याला loop म्हणूनच debug करा: कोणता ठोका चुकला? विचार चुकला (वाईट reasoning/prompt)? कृती चुकली (वाईट tool/schema)? निरीक्षण गायब किंवा दिशाभूल करणारे (वाईट tool output)? हे triage चे कौशल्य k8s course च्या धडा 16 मधून इथेही लागू होते: लक्षणे → यंत्राचा कोणता भाग.

🧪 करून पाहा — तुम्हीच loop व्हा

python3 agent/agent.py --drive

आता THINK ठोका तुम्ही आहात. अनुभवा: प्रत्येक निरीक्षणानंतर तुम्हाला जास्त माहीत असते, आणि तुमची पुढची चाल बदलते. मुद्दाम lookup आणि calc वगळून आठवणीतून सांगून पाहा ("अं, 6 pizzas") — अभिनंदन, तुम्ही धडा 01 मधला chatbot पुन्हा तयार केला, आणि योजना चुकीची आहे. loop अस्तित्वात आहे कारण पाहणे हे आठवण्यापेक्षा सरस आहे. 👀

⏭️ पुढे

ACT ठोक्याला स्वतःचा धडा हवा: tools — agent चे हात, आणि ते चांगले कसे design करायचे.

git checkout lesson-03-tools

🔁 Lesson 02 — The loop: think → act → observe

📍 You are here: Lesson 02 of 8 · Previous: lesson-01-what-is-an-agent · Next: lesson-03-tools

📦 What's in this branch

Lesson 01, plus the engine: the three-beat cycle every agent runs, and why each beat matters.

🧒 Explain like I'm 5

How do YOU run an errand? Not with a perfect plan — with a cycle:

THINK 💭 — "Pizzas… first I need to know how many kids."
ACT 🧰 — walk to the office and ask (use a tool).
OBSERVE 👀 — "3A has 12." New fact! It changes what's next.
…back to THINK, now smarter. Repeat until done.

The magic is beat 3: the world answers back, and the next thought uses the answer. A plan made entirely up front would break at the first surprise ("3B is on a field trip!"); the loop absorbs surprises — one observation at a time.

Now the punchline from the AI course (L05/L11): the THINK beat is literally next-token prediction — the model writes its reasoning and its chosen action as text. The harness executes the action and pastes the observation back onto the desk (L08). The loop is a conversation between a text-predictor and reality. That's all "ReAct" (Reason + Act — the pattern's academic name) means.

🗺️ Diagram

flowchart LR
    goal["📋 GOAL"]
    think["💭 THINK<br/>model writes reasoning +<br/>chosen action, as text"]
    act["🧰 ACT<br/>harness executes<br/>the tool call"]
    look["👀 OBSERVE<br/>result pasted onto<br/>the desk (scratchpad)"]
    done["✅ done {answer}"]
    goal --> think -->|"1"| act -->|"2"| look -->|"3 loop, smarter"| think
    think -->|"eventually"| done

❓ What

One beat, in our code (agent.py): brain.decide(goal, scratchpad) (THINK) → tool dispatch (ACT) → observation appended to scratchpad (OBSERVE). The for step in range(...) line IS the agent.
Termination: a special done action — the model decides it's finished. Plus a hard MAX_STEPS backstop, because "eventually" is not a guarantee (lesson 05).
The scratchpad is the loop's memory — every next thought sees all previous act/observe pairs (lesson 04 goes deep).
Errors ride the same rails: a failed tool returns an error STRING, the model reads it and adapts — "errors are data" (MCP school L06).

🤔 Why

Every agent framework — however grand — is this loop with accessories. When an agent misbehaves, debug it AS a loop: which beat failed? Thought wrong (bad reasoning/prompt)? Act wrong (bad tool/schema)? Observation missing or misleading (bad tool output)? The triage instinct transfers from the k8s course's lesson 16: symptoms → which part of the machine.

🧪 Try it — be the loop

python3 agent/agent.py --drive

You're the THINK beat now. Feel it: after each observation you know more, and your next move changes. Try deliberately skipping the lookup and calc from memory ("eh, 6 pizzas") — congratulations, you've recreated the chatbot from lesson 01, and the plan is wrong. The loop exists because looking beats remembering. 👀

⏭️ Next

The ACT beat deserves its own lesson: tools — the hands of the agent, and how to design them well.

git checkout lesson-03-tools

← Previouswhat is an agent Next →tools

This page is the lesson's README from the lesson-02-the-loop branch, shown here so the whole School stays on one site. Code files open on GitHub at the same branch.