基本信息

来源摘要/节选

公开展示已截断至最多 800 个字符；请访问原始来源查看完整上下文。

本文已收录至GitHub，推荐阅读 👉 Java随想录 微信公众号：Java随想录 传统聊天机器人相信大家都用过——你问一句，它答一句。线性，简单，但遇到复杂问题就露馅了。比如问"特斯拉股价相比去年涨了多少"，它要么瞎编，要么说"我无法获取实时信息"。 2022年，Google Research提出了ReAct框架。它要解决的就是这个问题： 让大模型像人一样，一边想一边做，做完再看结果，接着想下一步 。 ReAct的核心原理 先看个例子 想象你在一个陌生城市旅行。 早上醒来，你想：今天天气怎么样？要不要带伞？ 你打开天气APP看了一眼——有阵雨。 于是你调整计划：上午去博物馆躲雨，晚上再去看夜景。 这个"想→做→看→再想"的过程，就是ReAct在做的事。 三个阶段 ReAct由三个部分构成： 思考（Thought） ：分析当前问题，决定下一步做什么。比如"用户问的是某国人口，我需要查数据"。 行动（Action） ：调用外部工具。输出格式类似 search(query=“某国人口”) 。 观察（Observation） ：工具返回结果，成为下一轮思考的依据。比如 {“population”: “1.4亿”} 。 循环往复，直到任务完成。 什么时候停下来 两种方式： 硬限制 ：设个最大迭代数，比如 max_iterations=10 ，到了就强制结束。 条件触发 ：模型觉得自己很有把握了，或者连续失败好几次，就主动收手。 技术实现 工具怎么设计 三个原则： 原子性 ：一个工具只做一件事。计算器就做计算，搜索就做搜索，别搞大而全。…

来源说明

当前只保存了公开页面节选，不代表原文全文。请以原始来源为准。

本页只呈现已做哈希绑定的来源证据，不包含基于旧正文或缺失原文的扩展推断。