ReAct 模式

ReAct 将推理 Reasoning 和行动 Acting 结合起来，让 Agent 在思考和执行之间交替进行。

Agent 执行循环

实现步骤

定义工具集

tools = [
    Tool(name="search", func=google_search, description="搜索互联网获取最新信息"),
    Tool(name="calculator", func=calculate, description="执行数学计算"),
    Tool(name="file_reader", func=read_file, description="读取本地文件内容"),
]

思考-行动-观察循环

def agent_loop(query, max_steps=5):
    history = [{"role": "user", "content": query}]
    
    for step in range(max_steps):
        # Think: 让模型决定下一步
        thought = llm.think(history, tools)
        
        if thought.action == "answer":
            return thought.content
        
        # Act: 执行工具调用
        result = execute_tool(thought.action, thought.input)
        
        # Observe: 将结果反馈给模型
        history.append({"role": "assistant", "content": f"结果: {result}"})
    
    return "达到最大步数限制"

关键技术点

  • 记忆管理：使用向量数据库存储历史交互，支持长期记忆
  • 规划能力：复杂任务先分解子目标再逐步执行
  • 错误恢复：工具调用失败时自动重试或调整策略

Agent 技术的更多背景见 AI Agent 研究现状与展望，框架对比见 Agent 框架对比：AutoGPT vs MetaGPT。