ReAct: padrão raciocinar + agir

ReAct significa Raciocinar + agir. É o padrão fundamental para agentes LLM com várias etapas — publicado por Yao e colaboradores em 2022 e ainda é a base da maioria dos agentes modernos.

A cada etapa, o agente emite três elementos:

1. Raciocínio — o que fazer em seguida, em linguagem natural
2. Ação — qual ferramenta chamar e com quais argumentos
3. Observação — o resultado da ferramenta, enviado de volta

Repita até o agente emitir a resposta final.

A etapa de "raciocínio" permite que o modelo exponha seu processo de raciocínio antes de escolher uma ação. Trata-se da cadeia de raciocínio aplicada a agentes.

Sem o raciocínio, o modelo frequentemente escolhe ferramentas inadequadas ou argumentos incorretos.

O ReAct antigo extraía linhas de ação de texto simples. As implementações modernas usam a API de chamada de funções:

• Ferramentas definidas como esquemas JSON
• O modelo retorna chamadas de ferramentas em vez de linhas de ação em texto
• Os erros são detectados pelo modelo quando os resultados são acrescentados

• Planejar e executar — elaborar primeiro o plano completo e depois executá-lo
• Reflexão — o agente faz uma autocrítica após cada etapa
• Árvore de pensamentos — explorar vários caminhos de raciocínio

• Tarefas com etapas exploratórias (pesquisa, depuração)
• Tarefas em que a próxima ação depende do resultado anterior
• Tarefas cujo plano não pode ser conhecido antecipadamente

• Fluxos fixos (tradução, classificação) — uso excessivo
• Tarefas com horizonte muito longo — Planejar e executar é melhor
• Ciclos de controle em tempo real — muito lentos

• Ciclos em que o agente chama repetidamente a mesma ferramenta
• Resposta final prematura, sem informações suficientes
• Confusão quando as ferramentas falham
• Explosão do orçamento de tokens em etapas de raciocínio prolixas

Depois da resposta final, pergunte ao agente: "Isso estava correto? Poderia estar melhor?" Muitas implementações acrescentam essa etapa de reflexão para obter maior qualidade.

• LangChain — criação de um agente ReAct
• LlamaIndex ReActAgent
• AutoGen UserProxyAgent + AssistantAgent
• Implementação manual — mais fácil do que parece

ReAct acrescenta de 2 a 3 vezes mais chamadas ao LLM do que uma única chamada. Cada raciocínio é uma chamada ao LLM, e as observações acrescentam tokens. Limite o número máximo de etapas e o número de tokens por etapa.

Quais são os três componentes de uma etapa ReAct?

ReAct é a base dos agentes com várias etapas. Domine o ciclo e você poderá criar qualquer agente que use ferramentas.