Note

ReAct 如何结合推理与行动完成复杂任务？

通过思考、行动、观察的循环介绍 ReAct 框架及其工作流程。

请详细解释 ReAct 框架。它是如何将思维链和行动结合起来，以完成复杂任务的？

ReAct (Reason and Act) 是一个强大且基础的Agent行为框架，它通过一种巧妙的提示（Prompting）策略，让LLM能够协同地生成推理轨迹（reasoning traces）和任务相关的行动（actions）。

核心思想：

ReAct的核心思想是，人类在解决复杂问题时，并不仅仅是“思考”或“行动”，而是将两者紧密地交织在一起。我们会先思考一下，然后采取一个行动，观察结果，再根据结果进行思考，决定下一步行动。ReAct就是模仿人类这种“思考 -> 行动 -> 观察 -> 思考…”的循环模式。

工作流程：

ReAct通过一个精心设计的Prompt来引导LLM生成特定格式的文本。这个循环的每一步如下：

  1. 思考 (Thought):

    • LLM首先分析当前的任务目标和已有的信息（观察）。
    • 然后，它会生成一段内心独白，即“思考”部分。这部分内容是LLM对当前情况的分析、策略的制定或对下一步行动的规划。例如：“我需要查找一下今天新加坡的天气。我应该使用搜索工具。”
    • 思考过程让Agent的行为变得可解释，并且有助于LLM自己进行复杂的规划和错误修正。

  2. 行动 (Action):

    • 在“思考”之后，LLM会决定并生成一个具体的、可执行的“行动”。
    • 这个行动通常被格式化为 Action: [Tool_Name, Tool_Input] 的形式。例如：Action: [Search, "weather in Singapore today"]。
    • Tool_Name 是要调用的工具名称，Tool_Input 是传递给该工具的参数。

  3. 观察 (Observation):

    • Agent的外部执行器（harness）会解析LLM生成的“行动”，并实际调用对应的工具。
    • 工具执行后返回的结果，被格式化为“观察”信息，并反馈给LLM。例如：Observation: "Today in Singapore, the weather is sunny with a high of 32°C."

循环与结合：

这个“观察”结果会作为新的上下文，与原始目标一起，输入到LLM中，开始下一轮的“思考 -> 行动 -> 观察”循环。

如何结合思维链（CoT）和行动？

  • 思维链 (Chain of Thought, CoT) 是一种让LLM通过生成中间推理步骤来解决复杂问题的方法。
  • ReAct中的思考 (Thought)部分，本质上就是一种动态的、交互式的思维链。
  • 传统的CoT是一次性生成所有思考步骤，然后得出答案。而ReAct的“思考”是每一步行动前都会进行的、基于最新观察结果的思维链。
  • 这种结合使得Agent能够：
    • 处理动态环境： 可以根据工具返回的最新信息实时调整策略。
    • 进行错误修正： 如果一个行动失败或返回了无用的信息，Agent可以在下一步的“思考”中分析失败原因，并尝试不同的行动。
    • 完成复杂任务： 通过将大任务分解成一系列“思考-行动”的子步骤，ReAct能够完成需要多步推理和工具交互的复杂任务。