智能体：ReAct推理行动思维链提示

人类在处理一个需要多个步骤才能完成任务时，显著特点是能够将言语推理（内心独白）和实际行动融合在一起，在面对陌生或不确定的情况时通过这种方法学习新知识，做出决策，并执行，从而应对复杂的任务挑战，比如下面这个图书馆借书的场景。

目标：我想借一本关于中国历史的书

内心独白（推理）：我应该怎么找到这样的书呢？我知道图书馆有分类系统，每种书都有编号，我可以按照编号找到对应的书架
行动: 我走到书架，拿起一本书看看

内心独白（推理）：这本书合不合我的要求呢？嗯，看起来不太对，它讲的是“历史”里的故事，而不是我想了解的“历史”事实，我得换个方法找，或许可以用图书馆的电脑系统搜索一下
行动：我在电脑上输入关键词“中国历史”，选择“图书馆藏”，点击搜索

内心独白（推理）：搜索结果出来了，可是没有一本书是我想要的
结论：这个图书馆没有关于我想借的中国历史的书

推理-行动提示（Reasoning and Acting，ReAct）就是一种利用大语言模型模拟上述人类智能的推理和行动过程的思维链提示。它的基本思想是让大语言模型交替地生成推理追踪（Verbal Reasoning Traces）和行动（Actions），并允许大语言模型与外部工具进行交互，从而获取额外的信息反馈。这样就可以动态地维护和更新自己的行动计划。这个过程需要多次调用大语言模型，是一个多阶段的提示方法，具体过程如下图所示。

图8-8 推理-行动提示的两个阶段

第一阶段：推理。

第一阶段：推理。根据给定的输入和目标，生成一个推理追踪，即一系列的自然语言语句，用于解释大语言模型的推理过程和行动计划。推理追踪可以包含对外部知识的引用，也可以包含对大语言模型自身的反思和评估。这个阶段的输出由 3 个关键部分组成：

• 思考（Thought）：该部分的主要功能是分析问题、生成假设和验证结果，让大语言模型做出合理和可靠的决策。

• 行动计划（Act-plan）：该部分的主要功能是制定大语言模型接下来需要采取的具体行为的计划，一般由行为和对象两部分组成，也就是编码时调用的工具名称和对应的入参。

• 观察（Obs）：该部分的主要功能是获取外部输入的部分。它就像大语言模型的感知系统，将环境的反馈信息同步大语言模型，帮助它进一步进行分析或者决策。

第二阶段：行动。

根据推理阶段的行动计划，完成具体的任务执行，即执行一些具体的操作或指令，用于与外部环境进行交互，如查询知识库、调用外部工具等。大语言模型根据交互的结果，获取额外的信息和反馈，从而更新自己的推理追踪和行动计划。通过重复上述两个阶段，直到达到预定的目标或满足某些终止条件。

推理-行动提示格式如下：