目的：
最终目的是为了让机器像人一样：一边思考（Reasoning），一边查资料/使用工具（Acting）。
步骤
-
**思考（思考）：**AI 面对问题时，先在脑海中进行逻辑推理，拆解问题，决定当前这一步需要做什么。
-
**行动（行动）：**AI 根据思考的结果，调用外部工具。比如：使用搜索引擎查阅最新信息、运行计算器算一个复杂的数学题、或者查询某个数据库的 API。
-
**观察（观察）：**AI 获取并阅读外部工具返回的真实结果，将其作为已知信息输入到大脑中，准备进行下一轮的"思考"。
-
**总结：**通俗来讲就是先用提示词模板询问ai，获取到指定返回词后，决定调用tool，然后根据tools中每个的描述使用，最后得到结果后填充进prompt中，重新询问，知道得到结束提示词或者循环结束位置
ReAct 框架解决的问题
-
**克服"幻觉"（Hallucination）：**传统模型如果不知道 2023 年的奥斯卡得主，可能会瞎编一个名字。而 ReAct 会强迫模型去真实世界"看一眼"（Observation），从而基于事实回答。
-
获取最新信息： 模型的训练数据往往停留在过去的某个时间点。通过 Action 赋予其联网搜索的能力，模型就能掌握实时动态。
-
解决复杂逻辑： 通过把大问题拆解成一步步的"思考 + 行动"，模型能解决那些无法直接"一口气"给出答案的复杂任务（比如我们上面的计算题）。
**克服"幻觉"（Hallucination）（基础版本）：**克服幻觉的本意是通过外部工具的调用来使用最新数据，然后得到更为精准的答案，在基础版本中是将所有的工具和简介一起放入到prompt中在调用
**升级版：**在实际工程应用中是将tool和简介放入到向量数据库中，在每次发起询问前先从数据库中获取tool来减少上下文的长度