基于 ReAct 机制的AI Agent：大模型 ReAct —— 思考与工具协同完成复杂任务推理

基于 ReAct 机制的AI Agent：大模型 ReAct —— 思考与工具协同完成复杂任务推理

当前，在各个大厂纷纷卷LLM的情况下，各自都借助自己的LLM推出了自己的AI Agent，比如字节的Coze，百度的千帆等，还有开源的Dify。

你是否想知道其中的原理？是否想过自己如何实现一套AI Agent？

1. 简述AI Agent

人类的认知通常具备一定的自我调节（self-regulation）和策略制定（strategization）的能力，对于解决一个复杂问题时，可以很自然地运用工作记忆（working memory）将任务相关的决策动作（actions）与思考推理（reasoning）相结合。

大语言模型的推理能力（比如COT）和执行能力（比如生成执行计划）之前是独立研究的，而本文[1]提出的ReAct框架则协同考虑大模型的推理和执行能力。推理能力有助于推断、跟踪、更新动作计划，同时也可处理异常。而动作可以和环境或外部