ReAct: Mønsteret tænkning + handling
Thought -> Action -> Observation -> Thought ... — løkken, der driver de fleste moderne agenter med flere trin.
ReAct: Mønsteret tænkning + handling er en gratis AI-agenter-lektion på CoddyKit. Dette er lektion 1 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i AI-agenter, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. AI-agenter-kurset indeholder 4 lektioner i alt.
Dele af denne lektion er endnu ikke oversat og vises på engelsk.
Hvad er ReAct?
ReAct står for Begrund + handl. Det er det kanoniske mønster for LLM-agenter med flere trin – publiceret af Yao m.fl. i 2022 og stadig grundlaget for de fleste moderne agenter.
Sløjfen
Ved hvert trin udsender agenten tre ting:
- Tanke – hvad der skal gøres som det næste, på naturligt sprog
- Handling – hvilket værktøj der skal kaldes, og med hvilke argumenter
- Observation – resultatet fra værktøjet, som sendes tilbage
Gentag, indtil agenten udsender Endeligt svar.
A Concrete ReAct Trace
User: Who won the 2024 US presidential election?
Thought: I do not know off the top of my head. I should search.
Action: search('2024 US presidential election winner')
Observation: Donald Trump defeated Kamala Harris.
Thought: I have the answer.
Final Answer: Donald Trump won the 2024 US presidential election.Hvorfor det virker
Trinnet "Tanke" giver modellen mulighed for at opstille sin ræsonnering, før den vælger en handling. Det er kæde-af-tanker anvendt på agenter.
Uden Tanke vælger modellen ofte forkerte værktøjer eller argumenter.
Moderne ReAct bruger funktionskald
Ældre ReAct fortolkede Handlingslinjer fra almindelig tekst. Moderne implementationer bruger API'et til funktionskald:
- Værktøjer defineret som JSON-skemaer
- Modellen returnerer tool_calls i stedet for tekstlinjer med Handling
- Fejl opfanges af modellen, når resultater tilføjes
Varianter af ReAct
- Planlæg-og-udfør – lav hele planen først, og udfør den derefter
- Refleksion – agenten kritiserer sig selv efter hvert trin
- Tanke-træer – udforsk flere Tanke-grene
Når ReAct er bedst
- Opgaver med udforskende trin (research, fejlfinding)
- Opgaver, hvor den næste handling afhænger af det forrige resultat
- Opgaver, hvor planen ikke kan kendes på forhånd
Når ReAct klarer sig dårligere
- Fastlagte forløb (oversættelse, klassifikation) – overdrevet løsning
- Opgaver med meget lang tidshorisont – Planlæg-og-udfør er bedre
- Kontrolsløjfer i realtid – for langsomt
Almindelige fejltilstande
- Sløjfer, hvor agenten kalder det samme værktøj igen og igen
- For tidligt Endeligt svar uden tilstrækkelig information
- Forvirring, når værktøjer fejler
- Eksploderende tokenbudgetter på snakkende Tanke-trin
ReAct + selvrefleksion
Efter Endeligt svar kan du spørge agenten: "Var det korrekt? Kunne det være bedre?" Mange implementationer tilføjer dette refleksionstrin for at opnå højere kvalitet.
Rammer, der implementerer ReAct
- LangChain create_react_agent
- LlamaIndex ReActAgent
- AutoGen UserProxyAgent + AssistantAgent
- Håndlavet – lettere, end det ser ud
Omkostningsprofil
ReAct tilføjer 2-3 gange flere LLM-kald end et enkelt kald. Hver Tanke er et LLM-kald, og Observationer tilføjer tokens. Begræns MAX_STEPS og tokenloftet pr. trin.
Tre trin
Hvad er de tre bestanddele i et ReAct-trin?
Opsamling
ReAct er grundlaget for agenter med flere trin. Når du mestrer sløjfen, kan du bygge enhver agent, der bruger værktøjer.
Lær AI-agenter med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 60
- Lektioner
- 239
Ofte stillede spørgsmål
Er lektionen “ReAct: Mønsteret tænkning + handling” gratis?
Ja — hele teksten til “ReAct: Mønsteret tænkning + handling” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af AI-agenter-kurset, skal du opgradere til CoddyKit PRO. AI-agenter-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “ReAct: Mønsteret tænkning + handling”?
Thought -> Action -> Observation -> Thought ... — løkken, der driver de fleste moderne agenter med flere trin. Du øver dig i AI-agenter med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på AI-agenter?
Der kræves ingen tidligere erfaring. AI-agenter på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 1 af 4.
Hvor lang tid tager lektionen “ReAct: Mønsteret tænkning + handling”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne AI-agenter-lektion?
Ja. Alle AI-agenter-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- ReAct: Mønsteret tænkning + handling
- Implementering af ReAct fra bunden
- Almindelige værktøjssæt (web, lommeregner, RAG)
- Registrering og håndtering af værktøjsfejl