玩转大语言模型——探秘ReAct：代码背后的推理与行动协作之道

---

前言

在人工智能领域，让模型能够像人类一样进行推理和行动是一个极具挑战性且意义重大的目标。ReAct（Reason Action），即推理与行动框架，正是朝着这个方向迈出的重要一步。本文将结合一段具体代码，深入剖析ReAct的工作原理及其应用，并探讨其与function calling的区别，以及在无function calling能力模型上的独特应用。

---

ReAct与Function Calling的区别

1.设计理念

• Function Calling：Function Calling是大语言模型（如OpenAI的部分模型）的一种内置能力，它基于模型对函数签名（函数名、参数类型等结构化信息）的理解，直接生成符合格式要求的函数调用指令。模型将函数调用视为一种特殊的输出格式，通过对输入的语义分析，直接匹配到合适的函数并生成调用参数，整个过程相对直接和高效 。
• ReAct：ReAct更强调推理与行动的结合，通过让模型显式地生成“思考（Thought）”过程，逐步分析问题并决定采取何种“行动（Action）”。它将函数调用作为行动的一部分，更注重模型推理过程的透明性和可解释性，使模型的决策过程更接近人类