ReAct: mønsteret resonnering + handling
Thought -> Action -> Observation -> Thought ... – løkken som driver de fleste moderne agenter med flere steg.
ReAct: mønsteret resonnering + handling er en gratis leksjon i AI-agenter på CoddyKit. Dette er leksjon 1 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i AI-agenter, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i AI-agenter inneholder totalt 4 leksjoner.
Deler av denne leksjonen er ennå ikke oversatt og vises på engelsk.
Hva er ReAct?
ReAct står for Reason + Act. Det er det kanoniske mønsteret for LLM-agenter med flere trinn – publisert av Yao og medforfattere i 2022 og fortsatt grunnlaget for de fleste moderne agenter.
Løkken
Ved hvert trinn sender agenten ut tre ting:
- Tanke – hva som skal gjøres videre, på naturlig språk
- Handling – hvilket verktøy som skal kalles, og med hvilke argumenter
- Observasjon – resultatet fra verktøyet, sendt tilbake
Dette gjentas til agenten sender ut et endelig 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 fungerer
Trinnet «Tanke» lar modellen beskrive resonnementet sitt før den bestemmer seg for en handling. Dette er kjedetenking brukt på agenter.
Uten en tanke velger modellen ofte feil verktøy eller feil argumenter.
Moderne ReAct bruker funksjonskall
Eldre ReAct analyserte handlingslinjer fra ren tekst. Moderne implementasjoner bruker API-et for funksjonskall:
- Verktøy defineres som JSON-skjemaer
- Modellen returnerer tool_calls i stedet for tekstlinjer med handlinger
- Modellen oppdager feil når resultatene legges til
Varianter av ReAct
- Plan-and-Execute – lag hele planen først, og utfør den deretter
- Reflexion – agenten vurderer seg selv kritisk etter hvert trinn
- Tree-of-Thoughts – utforsk flere tankegrener
Når ReAct fungerer best
- Oppgaver med utforskende trinn (research, feilsøking)
- Oppgaver der neste handling avhenger av forrige resultat
- Oppgaver der planen ikke kan fastslås på forhånd
Når ReAct fungerer dårligere
- Faste rørledninger (oversettelse, klassifisering) – unødvendig omfattende
- Oppgaver med svært lang tidshorisont – Plan-and-Execute er bedre
- Kontrollsløyfer i sanntid – for tregt
Vanlige feilmodi
- Sløyfer der agenten kaller det samme verktøyet gjentatte ganger
- For tidlig endelig svar uten tilstrekkelig informasjon
- Forvirring når verktøy feiler
- Eksplosiv økning i token-bruken på pratsomme tanketrinn
ReAct + selvrefleksjon
Etter det endelige svaret kan agenten få spørsmålet: «Var dette riktig? Kunne det vært bedre?» Mange implementasjoner legger til dette refleksjonstrinnet for høyere kvalitet.
Rammeverk som implementerer ReAct
- LangChain create_react_agent
- LlamaIndex ReActAgent
- AutoGen UserProxyAgent + AssistantAgent
- Håndlaget – enklere enn det ser ut
Kostnadsprofil
ReAct gir 2–3 ganger flere LLM-kall enn et enkelt kall. Hver tanke er et LLM-kall, og observasjoner legger til tokenbruk. Sett grenser for MAX_STEPS og tokenantallet per trinn.
Tre trinn
Hva er de tre komponentene i et ReAct-trinn?
Oppsummering
ReAct er grunnlaget for agenter med flere trinn. Når løkken beherskes, kan det bygges agenter som bruker alle slags verktøy.
Lær deg AI-agenter med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 60
- Leksjoner
- 239
Ofte stilte spørsmål
Er leksjonen «ReAct: mønsteret resonnering + handling» gratis?
Ja – hele teksten i «ReAct: mønsteret resonnering + handling» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av AI-agenter-kurset, kan du oppgradere til CoddyKit PRO. Kurset i AI-agenter inneholder totalt 4 leksjoner.
Hva lærer jeg i «ReAct: mønsteret resonnering + handling»?
Thought -> Action -> Observation -> Thought ... – løkken som driver de fleste moderne agenter med flere steg. Du øver på AI-agenter med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med AI-agenter?
Ingen tidligere erfaring er nødvendig. AI-agenter på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 1 av 4.
Hvor lang tid tar leksjonen «ReAct: mønsteret resonnering + handling»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne AI-agenter-leksjonen?
Ja. Alle AI-agenter-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- ReAct: mønsteret resonnering + handling
- Implementere ReAct fra grunnen av
- Vanlige verktøysett (nett, kalkulator, RAG)
- Oppdage og håndtere verktøyfeil