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年国际足联女足世界杯冠军队最后一场比赛的比分是多少？”

ReAct 智能体可能会按以下方式进行（简化版）：

1. 思考： “问题要求两件事：首先，谁赢得了2023年国际足联女足世界杯；其次，他们最后一场比赛的比分。我需要先找出获胜者。” 行动： search("2023年国际足联女足世界杯冠军")
2. 观察： “西班牙赢得了2023年国际足联女足世界杯。”
3. 思考： “好的，西班牙是冠军。现在我需要找到西班牙最后一场比赛的比分。问题暗示的是他们踢的最后一场比赛，如果此后他们又踢了比赛，那可能不是决赛。我应该搜索‘西班牙女足国家队最后一场比赛比分’。” 行动： search("西班牙女足国家队最后一场比赛比分")
4. 观察： （假设找到结果，例如）“西班牙 2 - 0 瑞典，2024-02-28。”
5. 思考： “我已经找到了冠军（西班牙）和他们最后一场比赛的比分（2024年2月28日对阵瑞典2-0）。我已经掌握了回答问题所需的所有信息。” 行动： finish("2023年国际足联女足世界杯的冠军队是西班牙。他们最后一场比赛的比分是西班牙2-0瑞典。")

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。