Building a ReAct Agent from Scratch

好的，这是对您提供的文章的分析和总结：

语言: 中文

关键字: ReAct Agent, Planning Pattern, LLM, 工具, Python

概述: 本文是“从零开始的 Agentic 模式”系列课程的第三课，主要介绍了如何从头开始构建一个 ReAct Agent。ReAct 技术是一种规划模式，它允许大型语言模型（LLM）将复杂任务分解为更小的子目标，而不会迷失整体目标。文章详细解释了 ReAct 循环的工作原理，包括“思考”、“行动”和“观察”三个步骤，并使用 Python 和 Groq LLM 从头开始实现了一个 ReAct Agent。文章还强调了系统提示的重要性，并展示了如何使用工具来增强 Agent 的能力。最后，作者还提供了一个封装了 ReAct 循环的 ReactAgent 类，并提供了 GitHub 链接。

分节阅读:

• The ReAct System Prompt
  • ReAct 技术需要一个系统提示，该提示描述了 ReAct 循环，并确保 LLM 理解其可以执行的三个操作：思考、行动和观察。
  • 与工具模式系统提示的另一个关键区别是，所有消息都包含在标签中，例如 < >，这有助于 LLM 遵循指令。
  • 系统提示中需要一组工具，这些工具包含在 <tools></tools> 标签中，文章中使用的示例涉及三个工具。
• ReAct Loop - Choosing the First Tool
  • 文章提出了一个问题，该问题可以使用提供的工具按正确的顺序轻松解决，并展示了 Agent 如何生成第一个完成，包括 <thought> 和 <tool_call> 标签。
  • <tool_call> 标签告诉 Agent 要使用哪个工具。
• ReAct Loop - Running the First Tool
  • 根据 <tool_call> 标签，文章演示了如何评估工具以获得结果，这基本上是 Agent 将要采取的行动。
  • 工具的结果是 1234 和 5678 的总和，即 6912。
• ReAct Loop - Choosing the Second Tool
  • 工具的结果（6912）作为 <observation> 添加到 chat_history 中，这允许 LLM 再次思考要使用的下一个工具。
  • LLM 正确选择了乘法工具，将先前的结果乘以 5。
• ReAct Loop - Running the Second Tool
  • 文章继续演示了如何运行第二个工具，结果为 34560。
• ReAct Loop - Choosing the Third Tool
  • 在计算了总和和乘法之后，剩下的唯一操作是对数，在 compute_log 工具中实现。
• ReAct Loop - Running the Third Tool and Final Output
  • 运行对数工具并将结果添加到 chat_history 后，文章展示了如何运行最后一个完成，生成的输出将包含一个 <response> 标签，该标签标记循环的结束并包含最终答案。
  • LLM 的最终答案是 10.45，这是正确的。
• The ReAct Agent
  • 文章介绍了 agentic_patterns 库，该库实现了上述代码，并提供了一个 ReactAgent 类，该类封装了 ReAct 循环，并接受可用工具列表。
  • 提供了 ReactAgent 类的 GitHub 链接。

相关工具:

• agentic_patterns 库: https://github.com/neural-maze/agentic_patterns/blob/main/src/agentic_patterns/planning_pattern/react_agent.py

参考文献:

• Lesson Zero: What is an Agent?: https://theneuralmaze.substack.com/p/what-is-an-agent
• Lesson One: The Reflection Pattern: https://theneuralmaze.substack.com/p/reflection-pattern-agents-that-think
• Lesson Two: The Tool Pattern: https://theneuralmaze.substack.com/p/agent-tools-the-bridge-to-the-outside

原文链接: https://theneuralmaze.substack.com/p/building-a-react-agent-from-scratch

source: https://theneuralmaze.substack.com/p/building-a-react-agent-from-scratch