練習 4：多步驟推理任務¶

對應 Stage 3 — Tool Use & Agent 入門練習 4。

🎓 學習模式：這份 starter.py 是完整解答、不是 TODO skeleton。建議用主動模式——mv starter.py starter_reference.py、看 signature 不看 body、自己重寫一份 starter.py、跑 python test.py 驗證；卡 20 分鐘再回去對照 reference。完整方法論看 docs/HOW_TO_USE.md。

📚 想要 chapter-length 深入版？ 本 folder 的 starter 是 70-150 行 illustrative 版、聚焦 核心 pattern + 兩條 SDK path，不是進階深度教材。深度教材推薦： - datawhalechina/hello-agents ⭐ 中文圈最完整、章節式 + 16 種 production 能力。本練習對應 hello-agents 的 planning / multi-step workflow 章節 - Anthropic — Building Effective Agents（什麼時候該拆步驟、什麼時候不要） - 完整 references 見 Stage 3 精選 Projects

為什麼這題重要¶

把練習 3 的 ReAct loop 延伸成 3-5 步任務：查台北人口 → 查紐約人口 → 相除 → 轉百分比。LLM 負責規劃下一步、工具負責可靠地執行小動作；兩者合起來才像能完成 workflow 的 agent。

這題也是觀察「model 規模 vs 多步推理穩定度」的好實驗。同樣 loop、claude-haiku 通常 4 步走完；qwen2.5:3b 可能中間漏一步（譬如忘了轉百分比），或停太早。

怎麼跑 — 兩條路徑¶

Path A（默認、本機免費）¶

pip install -r requirements.txt
ollama pull qwen2.5:3b
ollama serve
python starter.py

預算：$0。多步 loop ≈ 30-120 秒（CPU、4-5 輪累積）。

Path B（Anthropic、想看 cloud 高品質）¶

pip install -r requirements.txt
export ANTHROPIC_API_KEY=sk-ant-...
python starter_anthropic.py

預算：每次 ≈ $0.005（claude-haiku-4-5、5 輪 messages 累積、每輪 prompt 漸長）。

預期看到（Path A、本機，理想 4 步走完）：

❓ 問題：Find Taipei population divided by New York population, then express it as a percentage.
------------------------------------------------------------
[step 0] tool: lookup_population({'city': 'Taipei'}) → 2602000
[step 1] tool: lookup_population({'city': 'New York'}) → 8336000
[step 2] tool: divide({'a': 2602000, 'b': 8336000}) → 0.3122...
[step 3] tool: to_percentage({'ratio': 0.3122}) → 31.22
------------------------------------------------------------
✅ 最終答案：Taipei is about 31.22% of New York's population.
   共 5 輪
✅ 練習 4 通過 — 你已用本機 qwen2.5:3b 跑通多步 ReAct loop、$0/run

不花錢驗證程式邏輯（mock-based）¶

python test.py # 驗 Path A (Ollama) starter.py 邏輯
python test_anthropic.py # 驗 Path B (Anthropic) starter_anthropic.py 邏輯

兩條 test 都用 unittest.mock、不打真 API、$0/run。Path A 用 OpenAI-compat response shape、Path B 用 Anthropic content blocks。

觀念提醒¶

多步任務的核心不是「模型很會算」、而是把複雜任務拆成可靠的小步：

工具要窄而穩：divide(a, b) 只做一件事、b=0 也不 crash 而是回 0
LLM 負責規劃：決定下一步要呼叫哪個工具、何時停
max_iter=8 是必要安全網：避免模型一直要求工具而沒收尾
每輪 messages 一直長：assistant response + tool_result 都接回去、LLM 才看得到歷史

兩個 path 觀察重點¶

觀察項	Anthropic Claude haiku	Ollama qwen2.5:3b
走完 4 步機率	高	中（可能漏「轉百分比」）
中間步驟順序	穩定	可能跳序
收尾判斷	穩定 `end_turn`	可能多跑一輪冗餘 tool call
單次成本	$0.005	$0

這恰好是 Stage 3 練習 4 的教學重點——同樣 ReAct loop、不同 model、在哪一步開始崩。Production 選 model 時、多步穩定度是 cost 之外的關鍵考量。

想看更聰明的答案？¶

預設用 claude-haiku-4-5（最便宜）。改成 sonnet：

MODEL=claude-sonnet-4-6 python starter_anthropic.py

或 Ollama path 換更大 model：

MODEL=qwen2.5:7b python starter.py # 4.7 GB、更穩
MODEL=mistral-nemo:12b python starter.py # 7.1 GB、更接近 cloud

延伸¶

加更多 tool：在 TOOLS_SPEC + TOOL_IMPL 補一個 entry 即可
加 retry / error handling：看 ../05-error-handling/ 怎麼處理 tool 失敗
schema 設計：看 ../06-schema-design/ 比較 bad / good schema