AI探索实践7 - 打造企业智能体(AI Agent)的重要技术-ReAct

大家好，我是Feng。欢迎关注我公众号和我一起探索AI技术。

全栈技术探索

文笔有限，这篇文章比较难写。但是ReAct的概念对于实现AI Agent很关键，文末有一些参考链接供大家辅助理解。

一、前言

AI 大模型开发中有许多概念，让刚开始学习的开发者一头雾水，比如 ReAct。

ReAct 并不是指 Facebook 开源的前端开发框架 react，而是一种实现 AI Agent 的一种重要方法。了解ReAct的概念和实现方法，对于实现 AI Agent 至为重要。

二、什么是ReAct

我们使用大模型时，你会向它提出一个问题(发送一个提示语)，模型能够分析你的问题，并给出答案。有些时候，当我们提出的稍显复杂的问题时，模型的回答很可能并不理想。但当我们给模型发送的prompt，增加一句：Let’s think step by step 时，就会发现模型的表现要比之前好得多！它会因为这句提示，而试图一步步的分析、推理，直到找到答案发送给你。

在人类的认知过程中，当面对复杂问题时，我们通常会采用一步一步的思考方式，即“思维链”。这种方法帮助我们将问题分解成较小的部分，然后逐个解决，最终形成有逻辑的解答路径。

模型面对复杂问题处理的逻辑过程，其实是在模仿人类的推理过程，不仅给出答案，还会提供一连串的推理步骤。这使得AI的决策过程变得可追溯和可解释，从而让开发者和用户能更好地信任和理解AI的工作机制。这个逻辑过程，被称之为 CoT（Chain of Thought）- 链式思考。

而 Let’s think step by step 就是提醒模型：“请以 CoT 的方式处理我的问题”。

虽然CoT很棒，可以帮助大模型给我们更好的结果。但我们需要知道，LLM每次只回答了一个问题。也就是说，CoT即使有链式思考，但也只是回答了一个问题。这对于简单的对话方式的场景或许是够的，但如果问题中包含了需要多次思考并回答多个问题时，CoT就完全不够用了。比如这样的问题："我的电脑为什么不能上网了"。</