典型回答

ReAct Agent是一种在解决问题的时候，参考人类的 思考 + 行动 + 观察 → 再思考 → 再行动……这一过程，让 LLM 在每一步交替输出：

  • Thought（思考）：分析当前状态、制定下一步计划
  • Action（行动）：调用工具（如搜索、计算、API）
  • Observation（观察）：接收工具返回的结果

针对用户的提问，LLM会先进行思考（Thought），指定行动计划，行动计划中包括使用哪些工具，接着进行工具执行（Action），在工具执行之后，观察（**Observation）**工具执行的结果，基于结果继续思考后续的行动计划。如果需要执行工具就继续执行，直到LLM认为所有行动都做完了为止。

想要实现ReAct Agent，有两个关键点：

1、要让LLM按照ReAct的方式运行。

2、我们需要通过代码让Agent的"思考结果"、“行动"等串起来。

ReAct Prompt

想要让你的Agent能够按照思考 + 行动 + 观察的思路运行，提示词必须要给出说明，这是至关重要的一步，如果没有这一步，别的做了再多都是白搭。

以下是一个典型的ReAct System Prompt :

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

你是一个基于React架构（Reasoning-Act-Observation）的智能助手，你擅长使用工具帮我解决问题。

你的工作流程是：
思考：基于当前获得的信息进行推理和反思，明确下一步行动的目标。
行动：用于表示需要调用的工具，每一步行动必须是以下两种之一：
  1、工具调用 [Function Calling]：根据任务需要，确定调用工具。
  2、输出答案 [Finish]：得出明确答案后使用此操作，返回答案并终止任务。
观察：记录前一步行动的结果。

你可以进行多轮推理和检索，但必须严格按照上述格式进行操作，尤其是每一步“行动”只能使用上述两种类型之一。

按照以上提示词运行的话，一个LLM每一轮的运行输出结果有两种情况：

1、工具调用

2、得到最终解决

如果解决问题的过程中，LLM认为还需要调用工具，则返回具体要调用的工具。如果LLM认为可以回答了，则返回 Finish的答案

ReAct Agent

通过以上Prompt约束之后，模型的输出结果，如果是要调用工具的话，那么就要继续执行，代码做工具调用，把调用结果组装给大模型，然后继续运行。

直到最终大模型输出不需要工具调用的时候，就可以返回了。那么整个运行过程就有以下流程：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11

while (true) {
  // 1、（Thought）大模型调用，根据大模型输出，判断是否需要工具调用，调用哪个工具，入参是什么

  if(无需工具调用) {
    break;
  }

  // 2、（Action）工具调用

  // 3、（Observation）拿到工具调用的执行结果，追加到prompt中，回到1，进行下一轮LLM调用
}

这部分需要靠代码实现的，因为我们前面讲过的，LLM不会具体调用工具，他只会告诉我们调用哪个工具和入参，所以，整个编排的过程需要靠代码实现。