百度统计 网站速度诊断/互联网广告精准营销
零散记录一些Agent相关的内容。不成体系，看情况是否整理
ReAct
ReAct 是一种实践代理模型的高级框架，通过将大语言模型（LLMs）的推理和执行行动的能力结合起来，增强了它们在处理复杂任务时的决策能力、适应性和与外部环境的交互。ReAct包括许多关键组件，如 LLMs、用于外部交互的工具（Tools）、多种代理类型（Agent Types）、思维链（Chain-of-Thought，CoT）Prompting和 ReAct Prompting。
CoT和ReAct Prompting示例
一、思维链（Chain-of-Thought，CoT）
▋ 核心原理
通过显式要求AI展示推理过程，模仿人类逐步解决问题的思考路径。与直接输出答案不同，AI会先分解问题、执行中间推理，最后得出最终结论。
▋ 核心价值
- 提升复杂问题（数学/逻辑/多步推理）的解决能力
- 错误更容易溯源
- 输出过程可解释性增强
▋ 实现方式
[System]
当解决数学问题时，请按以下步骤执行：
1. 逐句解读题目条件
2. 列出已知变量与未知量
3. 选择适用的公式
4. 分步计算并验证每步合理性
5. 最后用方框标出最终答案[User]
某商品原价200元，先涨价20%再降价25%，现价多少？
▋ 典型输出
1. 初始价格：200元
2. 第一次涨价：200 × (1+20%) = 240元
3. 第二次降价：240 × (1-25%) = 240 × 0.75 = 180元
4. 验证：20%涨幅与25%降幅并非抵消，实际变化率是(1.2×0.75)=0.9
→ 最终价格：[[180元]]
▋ 适用场景
- 数学应用题（如折扣计算、追及问题）
- 逻辑谜题（如谁在说谎类问题）
- 因果推理（如故障排查）
二、ReAct Prompting
▋ 核心原理
整合推理（Reason）与行动（Act）的交互模式，允许AI在需要时调用外部工具/知识库，形成"思考-行动-观察"循环。
▋ 核心组件
- Reason：分析当前状况，确定需要采取的行动
- Act：执行具体操作（如调用API/查询知识库）
- Observe：获取行动结果，继续推进思考
▋ 实现案例（天气信息查询）
[System]
你拥有查询实时天气的API权限(act.get_weather)，请按以下流程处理问题：
1. 解析用户问题中的关键信息（地点/时间/天气要素）
2. 判断是否需要调用API
3. 若需调用，用JSON格式请求：act.get_weather({"city":"北京"})
4. 根据API返回数据生成自然语言回答[User]
北京明天适合穿什么衣服？
▋ 典型交互过程
Thought：用户询问穿衣建议，需先获取北京明日天气预报
Action：act.get_weather({"city":"北京","date":"2023-08-20"})
Observation：{"temp_min":18℃, "temp_max":26℃, "weather":"小雨"}Thought：明日气温在18-26℃间有小雨，建议：
1. 外层防水外套
2. 内搭长袖衬衫
3. 携带折叠伞
▋ 技术优势对比
| 维度 | CoT | ReAct |
|---|---|---|
| 核心能力 | 线性推理 | 动态交互 |
| 外部交互 | 无 | 可调用工具/API |
| 适用场景 | 封闭问题 | 开放域动态问题 |
| 错误处理 | 依赖预设逻辑 | 可实时修正 |
三、组合应用案例（客服场景）
[System]
处理客户投诉时按ReAct框架执行：
1. Reason：识别问题类型（物流/质量/服务）
2. Act：调用CRM系统查询订单(act.query_order)
3. Reason：根据数据判断责任方
4. Act：生成解决方案模板
5. 最终回复需包含：致歉+处理方案+预防措施
执行过程：
用户：订单#1123还没收到，已经超时3天！Reason：物流延迟类投诉，需确认物流信息
Action：act.query_order(1123)
Observation：物流状态"运输中"，最后节点"杭州分拣中心"Reason：因极端天气导致延误，需提供补偿方案
→ 方案：1. 优先派送 2. 赠送20元优惠券
→ 预防：开通极端天气物流预警通道
四、最佳实践指南
CoT优化技巧：
- 用
让我们逐步思考...开头引导推理 - 要求用特定符号（如→、◆）标注关键步骤
- 添加验证环节（“请检查第三步计算是否合理”）
ReAct设计要点：
- 明确定义可用的 Action 清单
- 设置行动次数限制（防止死循环）
- 设计异常处理机制（如API超时响应）
混合使用场景：
- 先用 CoT 拆解复杂问题
- 对需要外部数据的子任务启用 ReAct
- 最后用 CoT 整合所有信息得出结论