ReAct Agent

1、ReAct的工作流程

在ReAct出现之前，主流的方法分为两类：一类是“思考”型，例如思维链，它能引导模型进行复杂的逻辑推理，但是无法外界进行交互，缺陷：容易产生幻觉。另一类是“纯执行”型，模型只输出要执行的动作，**缺陷:**没有规划和纠错能力。

ReAct的巧妙之处：它认识到思考与行动是相辅相成的。思考指导行为，行为的结果又反过来修改思考（似衔尾蛇-乌洛波洛斯）。

为此，ReAct范式通过一种特殊的提示工程来引导模型，使其每一步的输出都遵守一个固定的轨迹：

-Thought（思考）：这是智能体的“头脑”。它会分析当前情况、分解任务、定制下一步计划，或者反思上一步的结果。

-Action（行动）：这是智能体的“肢体”。它会根据”思考“执行动作，并产生“结果”，通常是调用一个外部工具，例如Search[‘华为最新款手机’]。

-Observation（观察）：这是智能体的“视觉感官”。它会“保存全部记忆”，并进入新的“思考”，直到“思考”出最终答案。通常执行Action后从外部工具返回的结果，例如搜索结果的摘要或API的返回值。

智能体将不断重复这个Thought->Action->Observation的循环，将新的观察结果追加到历史记录中，形成一个不断增长的上下文，直到它在Thought中认为已经找到了最终答案，然后输出结果。这个过程形成了一个强大的协同效应：推理使得行动更具目的性，而行动则为推理提供了事实依据。

LLM——-Thought——Action—-Function call—-Tool—–Observation—-LLM[LLM(Thought)–Result（思考步数）]

这种机制特别适合用于一下场景：

-需要外部知识的任务：如查询实时信息（天气、新闻、股价）、搜索专业领域的知识等

-需要精准计算的任务：将数学问题交给计算器工具，避免LLM的计算错误。

-需要与API交互的任务：如操作数据库、调用某个服务的API来完成特定任务。

2、工具的定义

一个良好定义的工具应包含以下三个核心要素：

1.名称（name）：一个简洁、唯一的标识符，供智能体在Action中调用。

2.描述（description）：一段清晰的自然语言描述，说明这个工具的用途。这个是整个机制中更关键的部分，因为大语言模型会依赖这段描述来判断何时使用哪个工具。

3.执行逻辑（Execution Logio）：真正执行任务的函数或方法。

3、系统提示词设计

提示词是整个ReAct机制的基石，它为大语言模型提供了行动的操作指令。我们需要精心设计一个模板，它将动态地插入可用工具、用户问题以及中间步骤的交互历史。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
# ReAct 提示词模板
REACT_PROMPT_TEMPLATE = """
请注意，你是一个有能力调用外部工具的智能助手。

可用工具如下:
{tools}

请严格按照以下格式进行回应:

Thought: 你的思考过程，用于分析问题、拆解任务和规划下一步行动。
Action: 你决定采取的行动，必须是以下格式之一:
- `{{tool_name}}[{{tool_input}}]`:调用一个可用工具。
- `Finish[最终答案]`:当你认为已经获得最终答案时。
- 当你收集到足够的信息，能够回答用户的最终问题时，你必须在Action:字段后使用 Finish[最终答案] 来输出最终答案。

现在，请开始解决以下问题:
Question: {question}
History: {history}
"""

这个模板定义了智能体与LLM之间交互的规范：

-角色定义：“你是一个有能力调用外部工具的智能助手”，设定了LLM的角色。

-工具清单（{tools}）：告知LLM它有哪些可以的“手脚”。

-格式规约（Tghought/Action）：这是最重要的部分，它强制LLM的输出具有结构性，使我们能通过代码精确解析其意图。

-动态上下文（{question}/{history}）：将用户的原始问题和不断累积的交互历史注入，让LLM基于完整的上下文进行决策。