通过 Spring AI Alibaba 源码，看如何玩转 ReAct 智能体范式

希望通过本文的分析，帮助大家跳出 API 的表面使用，从运行机制和架构设计的角度理解 ReAct Agent 的本质。

核心前置知识

从"只会聊天"到"学会行动"

以前的大模型，更像是个"纸上谈兵的军师"。你问它什么，它都能陪你聊上三天三夜，可一旦涉及查实时天气、调内部接口、改数据库，它就抓瞎了------因为这时候的它，只会聊天。而 ReAct 模式（Reasoning + Acting，推理+行动），就是教大模型学会行动的绝妙招式。它通过一套"思考 $→\rightarrow$ → 行动 $→\rightarrow$ → 观察"的闭环控制流，让大模型在遇到不懂的问题时，能主动停下来去"翻书"或"搬救兵"（调用工具）。

ReAct Agent 的底层运行图

从运行机制来看，一个 Agent 的底层运行模型，本质上是一张 Graph。

什么是Graph(图)

在计算机科学中，Graph（图）是一种用于描述节点之间关系的数据结构。

它由两部分组成：

Node（节点） Edge（边）

其中，节点表示一个实体，边表示实体之间的连接关系。（其实就是流程图）

例如一个简单的审批流程：

这里：

每一个审批步骤都是一个节点；节点之间的流转路径就是边；整个审批过程构成了一张图。

Graph在React Agent中的工作流程

React模式我们可以用以下流程图表示出

将用户内容发送给LLM，同时告诉LLM，可以使用的TOOL
LLM进行推理分析，返回结果
判断是否需要调用TOOL

如果不需要调用，则结束
如果需要调用则进行调用，将调用结果再返回给LLM，供LLM进行下一次思考（返回到了2）

SpringAI alibaba 核心源码学习

官方使用教程：java2ai.com/

流程概览

我们先通过以下代码输出alibaba，为ReactAGent编排的工作流

java 复制代码

  this.chatModel = DashScopeChatModel.builder().dashScopeApi(dashScopeApi).build();
        ReactAgent translatorAgent = ReactAgent.builder()
                .name("translator_agent")
                .model(chatModel)
                .tools(new DateTimeTools())
                .description("擅长将文章翻译成各种语言")
                .instruction("你是一个专业的翻译家，能够准确地将文章翻译成目标语言。")
                .outputKey("translator_output")
                .build();


        GraphRepresentation graph = translatorAgent.getAndCompileGraph().stateGraph.getGraph(GraphRepresentation.Type.PLANTUML);
        System.out.println(graph.content());

将输出的PlantUML转换成流程图后，可以清楚的看到alibaba对ReactAgent设置的Graph