Przejdź do treści
Biblioteka skilli
AI i agenci · Budowanie i kod

agent-planning-react-reflection-loops

/agent-planning-react-reflection-loops

Wdraża pętle myśl-działanie-obserwacja, strategie plan-i-rozwiąż oraz samorefleksję w autonomicznych agentach AI.

Licencja
MIT
Ostatnia zmiana repozytorium
28.10.2026

Ocena i bezpieczeństwo

100/ 100Klasa: dobry
Format25 / 25
Frontmatter z nazwą i opisem, poprawna nazwa, opis do 1024 znaków, nazwa zgodna z folderem.
Odkrywalność25 / 25
Opis mówi, kiedy użyć skilla, ma sensowną długość i jest w 3. osobie.
Treść35 / 35
Co najmniej 150 słów i do 500 linii, nagłówki, listy kroków, przykłady albo kod.
Higiena15 / 15
Bez zaślepek typu TODO, bez ścieżek Windows, z licencją.
Ryzykobrak sygnałów w skanie
Pliki w paczce
1
Skrypty
0
Komentarze HTML
0
Adresy URL w SKILL.md
0
Przestarzałość

Brak sygnałów. Repozytorium zmienione 28.10.2026, bez odwołań do wycofanych modeli i API.

Licencja

MIT, otwarta: można używać i zmieniać, z zachowaniem informacji o autorze.

Co robi i kiedy

Wdraża pętle myśl-działanie-obserwacja, strategie plan-i-rozwiąż oraz samorefleksję w autonomicznych agentach AI.

Oryginalny opis (EN)

Use this skill when implementing Thought-Action-Observation loops, Plan-and-Solve strategies, and self-reflection in autonomous agents.

Jak działa

  1. When to use
  2. Prerequisites
  3. Step-by-step workflow
  4. Commands / code examples
  5. Common mistakes & pitfalls
  6. Verification checklist
  7. Related skills
Sekcje z nagłówków SKILL.md, w oryginale · 45 linii, 261 słów
Podgląd SKILL.md
---
name: agent-planning-react-reflection-loops
description: Use this skill when implementing Thought-Action-Observation loops, Plan-and-Solve strategies, and self-reflection in autonomous agents.
---
# Agent Planning: ReAct & Reflection Loops

## When to use
Use this skill when you need to implementing Thought-Action-Observation loops, Plan-and-Solve strategies, and self-reflection in autonomous agents.

## Prerequisites
- Deep understanding of modern AI/ML systems, data engineering pipelines, or distributed architectures.
- Testing environment with necessary libraries and credentials configured.

## Step-by-step workflow
1. **Analyze data & architectural requirements**: Evaluate throughput, latency, context windows, and schema constraints.
2. **Formulate pipeline / model contracts**: Define strict input/output specifications and validation schemas.
3. **Implement core execution logic**: Construct deterministic transformations, prompt chains, or streaming data flows.
4. **Validate performance & accuracy**: Run automated test assertions, evaluate accuracy metrics, and benchmark throughput.
5. **Enforce observability & guardrails**: Instrument workflows with tracing, logging, rate limits, and fallback strategies.

## Commands / code examples
```python
# Production pipeline and implementation pattern for agent-planning-react-reflection-loops
import os

def run_pipeline():
    print("Executing operational pipeline: agent-planning-react-reflection-loops")

if __name__ == "__main__":
    run_pipeline()
```

## Common mistakes & pitfalls
- Allowing untrusted inputs to bypass validation checks, resulting in data corruption or prompt injection.
- Accumulating unconstrained state in memory during stream processing, leading to Out-Of-Memory (OOM) crashes.
- Neglecting evaluation benchmarks, deploying models or prompts without quantitative quality scoring.

## Verification checklist
- [ ] Pipeline validates input schemas and filters malformed records.
- [ ] Concurrency and memory utilization remain within provisioned boundaries.
- [ ] Performance and accuracy metrics meet predefined SLA targets.
- [ ] Fallback and retry mechanisms handle external API or network interruptions gracefully.

## Related skills
- retrieval-augmented-generation-rag-pipeline
- prompt-injection-defense-guardrails
- apache-kafka-event-streaming-architecture
- distributed-tracing-opentelemetry-sdk

Wersje

W bazie nie ma innych skilli o nazwie agent-planning-react-reflection-loops.

Migawka bazy z 13.11.2026 · wersja paczki 8bf086cc9af4 (skrót SHA-256 całej paczki)

Pobrania w ostatnich 30 dniach: 0 · ranking

Zgłoś problem z tym skillem: szkodliwa treść, błędny opis albo prośba autora o usunięcie.

Podobne skille

  • 93ai-agent-core-loop
    Wyjaśnia i wdraża pętlę sterowania pojedynczego agenta: obserwacje, wybór działania, zakończenie, ponowne planowanie i refleksję.
  • 90agentic-patterns
    Wdraża wzorce agentowe AI: refleksję, ReAct, planowanie, pamięć i użycie narzędzi.
  • 100re-act-prompt-patterns-reasoning-and-acting
    Formatuje pętle Thought, Action i Observation dla agentów AI, które korzystają z narzędzi w rozumowaniu.
  • 100ai-agents-architect
    Projektuje i buduje autonomicznych agentów AI: użycie narzędzi, systemy pamięci, strategie planowania i orkiestracja wieloagentowa.
  • 95ai-agentic-workflows
    Projektuje przepływ sterowania wokół LLM: wybiera wzorzec, ogranicza pętle i wskazuje miejsca, w których człowiek sprawdza wynik.
  • 100autonomous-loops
    Opisuje wzorce pętli autonomicznych: od sekwencyjnych potoków po systemy wieloagentowe z DAG, do ciągłego rozwoju.

Uwagi i zgłoszenia

Wiadomość trafi do Bartosza Sokolińskiego. Adres e-mail jest potrzebny tylko do odpowiedzi. Szczegóły w polityce prywatności.