ReAct: päättely + toiminta -malli
Thought -> Action -> Observation -> Thought ... – silmukka, joka antaa voiman useimmille moderneille monivaiheisille agenteille.
ReAct: päättely + toiminta -malli on ilmainen Tekoälyagentit-oppitunti CoddyKitissä. Tämä on oppitunti 1/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu Tekoälyagentit-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Tekoälyagentit-kurssilla on yhteensä 4 oppituntia.
Osaa tämän oppitunnin sisällöstä ei ole vielä käännetty, joten se näytetään englanniksi.
Mikä ReAct on
ReAct tulee sanoista Reason + Act. Se on monivaiheisten LLM-agenttien vakiintunut malli, jonka Yao ja muut julkaisivat vuonna 2022 ja joka on edelleen useimpien nykyaikaisten agenttien perusta.
Silmukka
Agentti tuottaa jokaisessa vaiheessa kolme asiaa:
- Thought – mitä tehdään seuraavaksi luonnollisella kielellä
- Action – mitä työkalua kutsutaan ja millä argumenteilla
- Observation – työkalun tulos, joka syötetään takaisin agentille
Tätä jatketaan, kunnes agentti tuottaa Final Answerin.
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.Miksi se toimii
"Thought"-vaihe antaa mallille mahdollisuuden esittää päättelynsä ennen toiminnon valitsemista. Kyseessä on chain-of-thought-päättelyn soveltaminen agentteihin.
Ilman Thought-vaihetta malli valitsee usein väärän työkalun tai väärät argumentit.
Moderni ReAct käyttää function calling -toimintoa
Vanha ReAct jäsensi Action-rivit tavallisesta tekstistä. Nykyaikaiset toteutukset käyttävät function-calling-rajapintaa:
- Työkalut määritellään JSON-skeemoina
- Malli palauttaa tool_calls-kutsut tekstimuotoisten Action-rivien sijaan
- Malli havaitsee virheet, kun tulokset lisätään viesteihin
ReActin muunnelmat
- Plan-and-Execute – ensin laaditaan koko suunnitelma ja sitten toteutetaan se
- Reflexion – agentti arvioi toimintaansa itse jokaisen vaiheen jälkeen
- Tree-of-Thoughts – tutkitaan useita Thought-haaroja
Milloin ReAct toimii erityisen hyvin
- Tehtävät, joissa on tutkivia vaiheita (tutkiminen, virheenkorjaus)
- Tehtävät, joissa seuraava toiminto riippuu edellisen tuloksesta
- Tehtävät, joiden suunnitelmaa ei voi tietää etukäteen
Milloin ReAct toimii heikommin
- Kiinteät putket (käännös, luokittelu) – liian raskas ratkaisu
- Erittäin pitkät tehtävät – Plan-and-Execute sopii paremmin
- Reaaliaikaiset ohjaussilmukat – liian hidas
Yleiset virhetilanteet
- Silmukat, joissa agentti kutsuu samaa työkalua toistuvasti
- Ennenaikainen Final Answer ilman riittäviä tietoja
- Hämmennys työkalujen epäonnistuessa
- Tokenibudjetin ylittyminen puheliaiden Thought-vaiheiden vuoksi
ReAct + itsearviointi
Pyytäkää Final Answerin jälkeen agenttia arvioimaan: "Oliko vastaus oikein? Voisiko se olla parempi?" Monet toteutukset lisäävät tämän arviointivaiheen laadun parantamiseksi.
ReActia toteuttavat kehykset
- LangChain create_react_agent
- LlamaIndex ReActAgent
- AutoGen UserProxyAgent + AssistantAgent
- Itse toteutettu – helpompi kuin miltä näyttää
Kustannusprofiili
ReAct lisää LLM-kutsujen määrän 2–3-kertaiseksi yksittäiseen kutsuun verrattuna. Jokainen Thought on LLM-kutsu, ja Observation-vaiheet lisäävät tokeneita. Rajatkaa MAX_STEPS ja vaihekohtaiset tokenimäärät.
Kolme vaihetta
Mitkä ovat ReAct-vaiheen kolme osaa?
Kertaus
ReAct on monivaiheisten agenttien perusta. Kun hallitsette silmukan, voitte rakentaa minkä tahansa työkaluja käyttävän agentin.
Opi Tekoälyagentit tekoälytuutorin avulla — ilmaiseksi
Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.
- Kurssit
- 60
- Oppitunnit
- 239
Usein kysytyt kysymykset
Onko oppitunti ”ReAct: päättely + toiminta -malli” ilmainen?
Kyllä – oppitunnin ”ReAct: päättely + toiminta -malli” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko Tekoälyagentit-kurssin, päivitä CoddyKit PROhon. Tekoälyagentit-kurssilla on yhteensä 4 oppituntia.
Mitä opin oppitunnilla ”ReAct: päättely + toiminta -malli”?
Thought -> Action -> Observation -> Thought ... – silmukka, joka antaa voiman useimmille moderneille monivaiheisille agenteille. Harjoittelet Tekoälyagentit-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.
Tarvitsenko kokemusta aloittaakseni Tekoälyagentit-opiskelun?
Aiempi kokemus ei ole tarpeen. CoddyKitin Tekoälyagentit-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 1/4.
Kuinka kauan ”ReAct: päättely + toiminta -malli”-oppitunnin suorittaminen kestää?
Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.
Voinko kirjoittaa ja suorittaa koodia tällä Tekoälyagentit-oppitunnilla?
Kyllä. Jokainen Tekoälyagentit-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.
Kaikki tämän kurssin oppitunnit
- ReAct: päättely + toiminta -malli
- ReActin toteuttaminen alusta alkaen
- Yleiset työkalusarjat (verkko, laskin, RAG)
- Työkalujen virheiden tunnistaminen ja niistä palautuminen