LangChain Agent的ReAct框架

科技前沿 • 2026-03-19 14:22 • 阅读 4

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

Agent ReAct是大模型智能体的核心思考与行动框架，全称Reasoning + Acting（推理+行动），是让Agent像人类一项【思考问题-> 制定策略->执行行动->验证结果】的关键逻辑

ReAct让Agent不再是“直接回答问题”，而是通过“自然语言思考过程”指导工具调用，一步步解决复杂问题，完美适配需要多步推理、工具协作的场景（如智能客服、报告生成、任务规划等）

一个典型的ReAct范式的Agent如图所示：

思考Reasoning：分析问题，判断现有信息是否足够，明确下一步
- 即模型决策是否需要调用外部工具获取更多信息用来回答问题
行动Action：执行思考阶段指定的策略
- 即基于模型决策结果，调用工具获取信息
观察Observation：获取行动结果，提取有效信息
- 即获取工具返回值即判断工具是否正常工作为下一轮思考提供信息

（再）思考->（再）行动->（再）观察->循环往复直到结束

from langchain.agents import create_agent from langchain_community.chat_models import ChatTongyi from langchain_core.tools import tool

@tool(description=“获取体重，返回值是整数，单位千克”) def get_weight() -> int:

GPT plus 代充 只需 145return 55

@tool(description=“获取身高，返回值是整数，单位厘米”) def get_height() -> int:

return 178

create_agent 默认使用ReAct框架

agent = create_agent(

GPT plus 代充 只需 145model=ChatTongyi(model="qwen3-max"), tools=[get_weight, get_height], system_prompt="""你是一个严格遵循ReAct框架的智能体，必须按【思考->行动->观察->再思考】的流程解决问题 且每轮仅能思考并调用一个工具，禁止单词调用多个工具 告知我你的思考过程，工具调用的原因，按思考、行动、观察三个结构告知我 """

)

for chunk in agent.stream(

{ "messages": [ {"role": "user", "content": "计算我的BMI？"}, ] }, stream_mode="values"

GPT plus 代充 只需 145latest_message = chunk["messages"][-1] if latest_message.content: print(type(latest_message).__name__, latest_message.content) try: if latest_message.tool_calls: print(f"工具调用： { [tc['name'] for tc in latest_message.tool_calls] }") except AttributeError as e: pass

输出：

D:ProgramPackegePythonpython.exe D:CodePythonAILangChain30_LangChain_Agent的ReAct框架.py HumanMessage 计算我的BMI？ AIMessage 【思考】
 要计算BMI（身体质量指数），需要知道体重（千克）和身高（米）。公式为：
 $\( ext{BMI} = frac{ ext{体重（kg）}}{ ext{身高（m）}^2} \)$
 目前我既没有体重也没有身高的数据，因此需要先获取其中一个值。按照工具调用规则，每轮只能调用一个工具，所以我先获取体重。

【行动】

由于已经完成所有必要步骤，无需进一步调用工具。

LangChain Agent的ReAct框架

create_agent 默认使用ReAct框架

相关推荐