AITerms 登入
AI Agent大型語言模型Prompt工程

ReAct框架(ReAct Framework)是什麼?

ReAct框架是一種結合推理(Reasoning)和行動(Acting)的AI Agent框架,允許模型在解決問題的過程中進行思考、規劃和執行。

完整定義

ReAct框架是一種結合推理(Reasoning)和行動(Acting)的AI Agent框架。它用於解決需要複雜推理和與環境互動的問題。ReAct允許模型在解決問題的過程中進行思考、規劃和執行,從而提高解決問題的效率和準確性。常見應用包括問答系統、遊戲AI和機器人控制。

白話說明

你有沒有用過 ChatGPT 查即時資訊,結果它講得很像真的但其實是編的?

這是因為傳統的語言模型只會「想」,不會「做」,它沒辦法真的去查資料、打API、或驗證自己說的對不對。

你可以把它想成一個先回答「用途是什麼」的入口,抓住生活場景後,再看技術細節會更容易。

記住這句

想一步、做一步、看結果、再想下一步。

比喻:ReAct 框架就像一個邊思考邊行動的偵探 -- 它會先觀察線索、思考下一步計畫,然後採取行動(例如上網查資料),再根據行動結果繼續思考,一步步解決複雜問題。

容易混淆

ReAct vs 思維鏈(CoT)vs 傳統 AI Agent

思維鏈(CoT):只有推理,模型一步步想但不會執行任何行動,無法取得外部資訊。

傳統 AI Agent:只有行動,按照預設規則執行任務,沒有中間推理過程。

ReAct:推理和行動交替進行,每次行動後觀察結果,再決定下一步怎麼推理。

最關鍵的區別:CoT 只動腦不動手,傳統 Agent 只動手不動腦,ReAct 邊動腦邊動手。

實際案例

複雜問題查詢:Before / After

Before:你問 ChatGPT「2024 年奧運馬拉松金牌得主的出生地人口有多少?」,模型必須一口氣回答,但它的訓練資料可能沒有最新結果,於是開始編造一個聽起來合理的答案。

After:用 ReAct 框架,模型的處理過程變成:(1)推理:我需要先查 2024 奧運馬拉松金牌是誰(2)行動:搜尋「2024 Olympic marathon gold medal」(3)觀察:搜尋結果顯示是 Tamirat Tola(4)推理:然後我需要查他的出生地(5)行動:搜尋「Tamirat Tola birthplace」(6)觀察:出生於 Ambo, Ethiopia(7)推理:最後查 Ambo 的人口(8)行動:搜尋 Ambo Ethiopia population(9)觀察:約 10 萬人(10)輸出最終答案。每一步都有真實資料支撐,不需要猜測。

客服自動化

一家電商的客服機器人收到「我的退款怎麼還沒到?」的問題。傳統做法是用關鍵字比對回覆罐頭訊息。ReAct 框架下,機器人會:推理(需要查這位客戶的退款狀態)→ 行動(呼叫訂單系統 API 查詢)→ 觀察(退款已於 3 天前發起,銀行處理中)→ 推理(應該告知客戶預計到帳時間)→ 輸出:「您的退款已在 4/26 發起,一般銀行需要 3-5 個工作天,預計 5/1 前到帳。」

演算法與應用

定義

ReAct(Reasoning + Acting)是一種讓語言模型交替進行推理和行動的框架,由 Yao et al. 在 2022 年提出。模型在每一步生成「思考」(Thought)、「行動」(Action)、和「觀察」(Observation),形成一個迭代循環直到得出最終答案。

這三步不斷循環,直到模型判斷已經有足夠資訊可以回答問題。

步驟
Thought(思考)
做什麼
模型分析目前狀態,決定下一步策略
範例
「我需要先查這個人的出生地」
步驟
Action(行動)
做什麼
呼叫外部工具:搜尋引擎、API、資料庫
範例
Search["Tamirat Tola birthplace"]
步驟
Observation(觀察)
做什麼
接收行動返回的結果
範例
結果:Born in Ambo, Ethiopia
領域
問答系統
應用方式
多步驟查詢、需要即時資訊的問題
領域
智能助理
應用方式
幫用戶完成跨系統的操作任務
領域
程式除錯
應用方式
推理可能的 bug 原因,執行測試,觀察結果
領域
資料分析
應用方式
逐步查詢資料庫,根據結果調整分析方向

情境判斷

Q1(直覺題): 你想讓 AI 回答「台灣目前的 GDP 是多少?」這種需要即時資料的問題。用純語言模型還是 ReAct 框架?

ReAct。純語言模型的知識有截止日期,無法取得最新數據。ReAct 可以在推理過程中搜尋最新資料,用真實數字回答。

Q2(判斷題): 你要做一個翻譯工具,輸入英文句子、輸出中文翻譯。需要用 ReAct 框架嗎?

通常不需要。翻譯是單步任務,不需要外部工具或多步推理,語言模型本身就能完成。ReAct 的價值在於需要「邊想邊查」的多步驟任務,如果任務本身不需要外部資訊或工具呼叫,加入 ReAct 反而增加延遲和複雜度。

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本