ReAct: Pola Bernalar + Bertindak
Thought -> Action -> Observation -> Thought ... — perulangan yang menggerakkan sebagian besar agen multi-langkah modern.
ReAct: Pola Bernalar + Bertindak adalah pelajaran AI Agents gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar AI Agents, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus AI Agents mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
Apa Itu ReAct?
ReAct adalah singkatan dari Reason + Act. ReAct merupakan pola utama untuk agen LLM multi-langkah — dipublikasikan oleh Yao et al. pada 2022 dan masih menjadi dasar bagi sebagian besar agen modern.
Perulangannya
Pada setiap langkah, agen menghasilkan tiga hal:
- Pikiran — tindakan berikutnya, dalam bahasa alami
- Tindakan — alat yang akan dipanggil dan argumennya
- Observasi — hasil alat, yang dimasukkan kembali
Ulangi hingga agen menghasilkan Jawaban Akhir.
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.Mengapa Ini Berhasil
Langkah "Pikiran" memungkinkan model menguraikan penalarannya sebelum menetapkan tindakan. Ini adalah rantai pemikiran yang diterapkan pada agen.
Tanpa Pikiran, model sering memilih alat yang keliru atau argumen yang salah.
ReAct Modern Menggunakan Pemanggilan Fungsi
ReAct lama mengurai baris Tindakan dari teks biasa. Implementasi modern menggunakan API pemanggilan fungsi:
- Alat didefinisikan sebagai skema JSON
- Model mengembalikan tool_calls, bukan baris Tindakan dalam teks
- Kesalahan ditangani oleh model ketika hasil ditambahkan
Variasi ReAct
- Plan-and-Execute — membuat rencana lengkap terlebih dahulu, lalu menjalankannya
- Reflexion — agen mengkritik dirinya sendiri setelah setiap langkah
- Tree-of-Thoughts — menjelajahi beberapa cabang Pikiran
Saat ReAct Unggul
- Tugas dengan langkah eksploratif (riset, debugging)
- Tugas yang tindakannya berikutnya bergantung pada hasil sebelumnya
- Tugas yang rencananya belum dapat diketahui sejak awal
Saat ReAct Kurang Optimal
- Alur tetap (penerjemahan, klasifikasi) — berlebihan
- Tugas dengan rentang waktu yang sangat panjang — Plan-and-Execute lebih baik
- Perulangan kendali waktu nyata — terlalu lambat
Mode Kegagalan Umum
- Perulangan ketika agen memanggil alat yang sama berulang kali
- Jawaban Akhir yang terlalu dini tanpa informasi yang cukup
- Kebingungan ketika alat gagal
- Pembengkakan anggaran token akibat langkah Pikiran yang terlalu banyak bicara
ReAct + Refleksi Diri
Setelah Jawaban Akhir, tanyakan kepada agen: "Apakah jawaban itu benar? Bisakah dibuat lebih baik?" Banyak implementasi menambahkan langkah refleksi ini untuk meningkatkan kualitas.
Kerangka Kerja yang Menerapkan ReAct
- LangChain create_react_agent
- LlamaIndex ReActAgent
- AutoGen UserProxyAgent + AssistantAgent
- Dibuat sendiri — lebih mudah daripada yang terlihat
Profil Biaya
ReAct menambahkan 2–3 kali lebih banyak pemanggilan LLM dibandingkan satu pemanggilan. Setiap Pikiran merupakan pemanggilan LLM, dan Observasi menambah token. Tetapkan MAX_STEPS dan batas token untuk setiap langkah.
Tiga Langkah
Apa tiga komponen dari sebuah langkah ReAct?
Ringkasan
ReAct adalah dasar bagi agen multi-langkah. Kuasai perulangannya dan Anda dapat membangun agen apa pun yang menggunakan alat.
Pertanyaan yang Sering Diajukan
Apakah pelajaran “ReAct: Pola Bernalar + Bertindak” gratis?
Ya — teks lengkap “ReAct: Pola Bernalar + Bertindak” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus AI Agents, upgrade ke CoddyKit PRO. Kursus AI Agents mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “ReAct: Pola Bernalar + Bertindak”?
Thought -> Action -> Observation -> Thought ... — perulangan yang menggerakkan sebagian besar agen multi-langkah modern. Kamu berlatih AI Agents dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai AI Agents?
Tidak diperlukan pengalaman sebelumnya. AI Agents di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.
Berapa lama pelajaran “ReAct: Pola Bernalar + Bertindak” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran AI Agents ini?
Ya. Setiap pelajaran AI Agents menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- ReAct: Pola Bernalar + Bertindak
- Menerapkan ReAct dari Awal
- Kumpulan Alat Umum (Web, Kalkulator, RAG)
- Mendeteksi dan Memulihkan dari Galat Alat