Agent学习-ReAct框架

ReAct 框架学习笔记

一、什么是 ReAct？

ReAct（Reasoning and Acting）是一种将**推理（Reasoning）和行动（Acting）**相结合的 AI Agent 框架。它让大语言模型能够：

通过思考来分析问题
调用外部工具获取信息
基于观察结果继续推理
最终得出答案

核心思想：Think → Act → Observe → Think → ...

二、ReAct 的工作流程

2.1 核心循环

复制代码

1. Thought（思考）：分析当前问题，规划下一步
2. Action（行动）：调用工具或输出答案
3. Observation（观察）：获取工具执行结果
4. 重复 1-3，直到得出最终答案

2.2 实现架构

python 复制代码

class ReActAgent:
    - llm_client: 大语言模型客户端
    - tool_executor: 工具执行器
    - max_steps: 最大迭代步数
    - history: 历史记录（Action + Observation）

三、关键技术细节

3.1 提示词设计

关键要素：

当前时间：让模型知道当前日期，避免搜索过时信息
工具列表：明确可用工具及其用法
格式规范：严格定义 Thought/Action 输出格式
历史记录：提供之前的 Action-Observation 对

示例：

复制代码

当前时间：2026年03月15日

可用工具：
- Search[query]: 网页搜索

格式：
Thought: 你的思考
Action: Tool[input] 或 Finish[答案]

Question: 华为最新的手机是什么？
History: [之前的交互记录]

3.2 输出解析

三个关键解析函数：

_parse_output(text): 从 LLM 响应中提取 Thought 和 Action
_parse_action(action_text): 解析 Action 格式 ToolName[input]
_parse_action_input(action_text): 提取 Action 的输入参数

注意事项：

需要处理 LLM 输出的格式变化（如反引号）
使用正则表达式进行鲁棒解析
支持 re.DOTALL 处理多行输入

3.3 历史记录管理

每次工具调用后，将 Action 和 Observation 追加到历史：

python 复制代码

self.history.append(f"Action: {action}")
self.history.append(f"Observation: {observation}")

这让模型能够基于之前的结果继续推理。

四、实际案例分析

4.1 问题：华为最新的手机是什么？

执行过程：

第 1 步：

Thought: 需要搜索最新信息，我的知识可能过时
Action: Search[华为最新手机型号 2026年]
Observation: 返回华为 Mate X6、Pura 系列等信息

第 2 步：

Thought: 需要确认 Mate X6 的详细配置和卖点
Action: Search[华为Mate X6 2026年主要卖点配置]
Observation: 获取折叠屏、电池、摄像头等详细信息

第 3 步：

Thought: 已收集足够信息，可以回答
Action: Finish[华为最新手机是 Mate X6...]

4.2 关键改进点

问题：模型搜索时带了错误年份（2023）

原因：

提示词中没有提供当前时间
模型使用了训练数据的截止日期

解决方案：

python 复制代码

current_date = datetime.now().strftime("%Y年%m月%d日")
prompt = REACT_PROMPT_TEMPLATE.format(
    current_date=current_date,  # 关键：注入当前时间
    tools=tools_desc,
    question=question,
    history=history_str
)

五、ReAct 的优势

✅ 1. 可解释性强

每一步都有明确的 Thought（思考过程）
用户可以看到 Agent 的推理链路
便于调试和优化

✅ 2. 灵活性高

可以动态调用多种工具
支持多步推理和信息整合
适应复杂的多步骤任务

✅ 3. 容错能力

通过历史记录纠正错误
可以根据 Observation 调整策略
支持重试和备选方案

✅ 4. 易于扩展

添加新工具只需注册到 ToolExecutor
提示词模板可灵活调整
支持不同的 LLM 后端

✅ 5. 实时信息获取

通过搜索工具获取最新数据
突破 LLM 知识截止日期限制
适合需要实时信息的场景

六、ReAct 的缺点

❌ 1. Token 消耗大

每步都需要完整的提示词（工具列表 + 历史记录）
历史记录随步数增长而膨胀
成本随迭代次数线性增长

示例：

复制代码

第1步：提示词 1000 tokens
第2步：提示词 1000 + 历史 200 = 1200 tokens
第3步：提示词 1000 + 历史 400 = 1400 tokens

❌ 2. 响应速度慢

每步都需要调用 LLM（串行执行）
无法并行处理独立任务
多步推理导致总延迟高

❌ 3. 依赖 LLM 能力

弱模型可能无法正确遵循格式
输出解析容易失败（格式不规范）
需要强大的推理能力才能有效规划

❌ 4. 容易陷入循环

可能重复执行相同的 Action
缺乏全局规划能力
需要设置 max_steps 防止无限循环

❌ 5. 工具调用开销

每次工具调用都有网络延迟
搜索 API 可能有速率限制
工具失败会浪费一个步数

❌ 6. 提示词工程复杂

需要精心设计格式规范
不同模型可能需要不同的提示词
难以处理边界情况（如模型输出反引号）

七、优化建议

7.1 减少 Token 消耗

压缩历史记录（只保留关键信息）
使用更小的模型处理简单步骤
实现历史记录摘要机制

7.2 提升响应速度

使用流式输出（边生成边解析）
缓存常用工具结果
并行调用独立工具

7.3 增强鲁棒性

添加输出格式校验和重试机制
检测循环并主动打破
提供更多示例（Few-shot）

7.4 改进规划能力

在开始前生成完整计划
使用更强的模型（如 GPT-4）
结合其他框架（如 Plan-and-Execute）

八、总结

ReAct 是一个简单但强大的 Agent 框架，特别适合：

需要多步推理的复杂任务
需要调用外部工具的场景
需要可解释性的应用

但要注意其成本和速度问题，在生产环境中需要权衡：

任务复杂度 vs Token 成本
响应速度 vs 推理质量
通用性 vs 针对性优化

适用场景：

✅ 信息检索和整合
✅ 数据分析和报告生成
✅ 客服和问答系统
✅ 研究助手和知识探索

不适用场景：

❌ 实时性要求极高的应用
❌ 简单的单步任务
❌ 成本敏感的大规模部署
❌ 需要精确控制的确定性任务