阿里云开发者#
mp.weixin.qq.com
↗
原文链接
AI Agent系列｜什么是 ReAct Agent？
ReAct，拆开来就是Reasoning（推理）+ Acting（行动），也就是观察-思考-行动-再观察的循环。它的优势在于能根据实际情况灵活应对，而不会遇到意外就卡住。
（话说cursor好像很久之前就是使用的这种模式，应该是最早使用这种模式的）
ReAct实现的关键要素：
- 历史上下文（History）：ReAct会维护一个对话历史，记录之前所有的思考、行动和观察。这样LLM在做决策时，可以参考之前发生了什么，避免重复操作或者走错路。
- 观察当前环境信息（Current Environment Information）：这是Agent在当前时刻接收到的外部信息，比如用户的输入、系统的状态、或者其他需要处理的数据。这些信息会作为LLM推理的输入，帮助决定下一步该做什么。
- 语言模型（LLM Thinking）：ReAct的"大脑"，负责推理和决策。每次需要思考下一步该做什么时，LLM会根据当前的历史上下文、环境信息和观察结果，生成下一步的行动计划。
- 工具/动作（toolcall）：ReAct的"手脚"，用来执行具体的操作。比如搜索、查询API、读写文件等等。每个工具都有明确的输入输出，Agent可以调用这些工具来完成实际工作。
- 观察结果（toolcall结果）每次执行动作后，都会得到一个观察结果。这个结果会被反馈给LLM，作为下一轮推理的依据。观察结果可能包括成功的数据、错误信息、或者需要进一步处理的内容。
