1, 什么是 ReAct？
ReAct 是 Reason（推理） + Act（行动） 的缩写，是一种让大模型 “边想边做” 的思考模式，核心规则：
Agent 先输出 “思考过程”（我需要解决什么问题？需要调用什么工具？）→ 执行 “行动”（调用工具）→ 观察 “工具结果”→ 重复 “思考 - 行动” 直到得到答案。
对比普通大模型：
- 普通大模型：直接生成答案（可能幻觉、计算错误）；
- ReAct 模式的 Agent：先想→再做→再验证→最后回答（更严谨、更准确）。
2, ReAct 在 LangChain 中的核心特征
LangChain 内置了 ReAct 风格的 Prompt 模板，核心是引导 Agent 输出 “思考 - 行动 - 观察” 的循环，关键特征：
- 思考（Thought）：Agent 明确 “当前需要做什么、为什么这么做”；
- 行动（Action）：Agent 指定 “调用哪个工具、传入什么参数”；
- 观察（Observation）：Agent 记录 “工具返回的结果”；
- 循环：重复上述步骤，直到 “思考” 认为 “无需调用工具，可直接回答用户”。
3, 举个栗子：基于 ReAct 框架构建 Agent
LangChain 中 ReAct 的核心是 Prompt 模板的设计—— 需要明确引导 Agent 按 “思考 - 行动 - 观察” 的逻辑决策。
from langchain_core.prompts import PromptTemplate
# 自定义 ReAct 风格的 Prompt（核心：明确思考-行动-观察的格式）
react_prompt = PromptTemplate.from_template("""
你是一个遵循 ReAct 框架的智能助理，必须按以下步骤解决问题：
1. 思考（Thought）：分析用户问题，判断是否需要调用工具；如果需要，明确调用哪个工具、传入什么参数；如果不需要，直接回答。
2. 行动（Action）：如果需要调用工具，格式为 `Action: 工具名[参数]`；如果不需要，格式为 `Action: Final Answer`。
3. 观察（Observation）：记录工具调用的结果（由系统自动填充）。
现有工具列表：
- calculator：计算数学表达式，参数是 expression（字符串），比如 calculator["10+20"]
- search_web：检索实时信息，参数是 query（字符串），比如 search_web["2024 Python最新版本"]
用户问题：{input}
请按 ReAct 框架逐步解决：
""")
# 结合 ChatPromptTemplate 适配 Agent
chat_react_prompt = ChatPromptTemplate.from_messages([
("system", react_prompt.template),
("placeholder", "{agent_scratchpad}")
])
# 重新构建 Agent
agent = create_openai_tools_agent(llm=llm, tools=tools, prompt=chat_react_prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)
2026.01.08 上午
信息家