介绍 ReAct 方法

引导智能体通过思维链（Chain-of-Thought）等方法进行推理 (inference)有助于结构化其内部思考过程，但许多任务要求智能体不仅仅是一次性地将问题想清楚。为了有效地进行交互或使用工具来获取信息，智能体通常需要采取行动，观察发生的事情，然后决定下一步该怎么做。这种思考和行动的迭代过程是 ReAct 这一广为人知且高效的框架的核心。

ReAct 代表“推理和行动”（Reason and Act）。它是一种方法，让大型语言模型（LLM）智能体能够以结构化的方式结合推理和行动。ReAct 智能体不是试图从头到尾制定一个完整的计划并盲目执行，而是将任务分解为一系列小步骤。在每一步，它都会经历一个循环：对当前情况进行推理，决定一个行动，执行该行动，然后观察结果。

ReAct 循环：思考、行动、观察

ReAct 框架的核心是一个包含三个主要部分的迭代循环：

1. 思考： LLM 会生成一段文本推理 (inference)过程。这个“思考”解释了它当前对目标的理解，迄今为止学到了什么，下一步需要做什么，以及为什么下一步是合适的。这使得智能体的决策过程更加清晰。
2. 行动： 基于其思考过程，LLM 决定采取一个具体的行动。这个行动通常包括选择一个可用的工具（例如搜索引擎、计算器或你提供的自定义函数），并指定该工具的输入。例如，一个行动可能是 search("柏林当前温度") 或 calculator("125 * 4.5")。
3. 观察： 智能体系统执行所选行动并获得一个观察结果。这个观察结果是来自工具的（例如搜索结果、计算出的数字）或来自环境的反馈。这条新的信息随后被反馈给 LLM。

这个“思考-行动-观察”循环会重复进行。上一步的观察结果会告诉 LLM 下一步的思考方向，使其能够评估进展，必要时调整计划，并决定后续的行动。循环持续进行，直到智能体判定整体目标已经实现，届时它可能会采取最终行动来提供答案或完成任务。

让我们来看看这个流程图：

ReAct 框架以循环方式运行，智能体在此过程中思考、行动、观察结果，然后根据新信息再次思考。

ReAct 在实践中如何运作

想象一下，你问智能体：“2023年 FIFA 女足杯获胜球队在该届赛事决赛中的比分是多少？”

ReAct 智能体可能会按以下方式进行（简化版）：

1. 思考： “问题要求找出2023年 FIFA 女足杯的获胜者以及他们在该赛事决赛中的比分。我需要先找出获胜者。” 行动： search("winner of 2023 FIFA Women's Cup")
2. 观察： “西班牙赢得了2023年 FIFA 女足杯。”
3. 思考： “西班牙是获胜者。现在我需要找到西班牙在该赛事决赛中的比分。我应该搜索‘2023 FIFA Women's Cup final match score’。” 行动： search("2023 FIFA Women's Cup final match score")
4. 观察： “西班牙在2023年8月20日的决赛中以 1 - 0 战胜英格兰。”
5. 思考： “我已经找到了获胜者（西班牙）以及他们在该赛事决赛中的比分（西班牙 1 - 0 英格兰）。我已经掌握了回答问题所需的所有信息。” 行动： finish("The winning team of the 2023 FIFA Women's Cup was Spain. The score of their final tournament match was Spain 1 - 0 England.")

在这个例子中，LLM 不仅仅是一次性生成最终答案。它明确地表达其计划（“思考”部分），选择工具（“行动”部分，这里是 search 和 finish），然后整合新信息（“观察”部分）来指导其后续步骤。运行 LLM 的智能体系统负责解析 Action 字符串，调用相应的工具，然后通过将其包含在下一个提示中，将 Observation 反馈给 LLM。

ReAct 为何高效？

ReAct 方法为构建更强大的智能体提供了以下几个优势：

• 改善问题解决能力： 通过将复杂问题分解为更小、更易于处理的思考-行动-观察步骤，智能体可以处理仅通过一次 LLM 调用难以解决的任务。
• 动态适应： 如果一个行动失败或工具返回意外结果（例如“未找到信息”），智能体可以“观察”到这次失败，“思考”出了什么问题，并尝试不同的方法或工具。这使得智能体更具韧性。
• 高效利用工具： ReAct 提供了一种自然的方式，让智能体决定何时以及如何使用外部工具，显著扩展了它们在文本生成方面的能力。智能体可以推理 (inference)出它需要某条信息，然后选择合适的工具来获取它。
• 可解释性： “思考”过程的痕迹为观察智能体的推理过程提供了一个窗口。这对于调试智能体为何做出某个决定，或者理解其策略来说，非常有价值。如果智能体卡住或犯了错误，你通常可以通过检查思考日志来确定其推理在哪里出了问题。

与思维链（CoT）提示等技术相比，后者主要侧重于在生成最终输出之前产生连贯的推理过程，ReAct 则在一个持续的循环中结合了推理、行动和环境反馈。CoT 帮助 LLM“理清思路”，而 ReAct 则帮助它“思考、行动、并迭代学习”。

通过围绕这个推理、行动和观察的循环来构建智能体的运作方式，ReAct 框架使我们能够构建更具交互性、适应性强、并且能够处理需要外部信息或行动的多步骤任务的智能体。在后续内容中，你将看到这种模式是如何成为许多类型 LLM 智能体的基本构成要素的。