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