2.1 ReAct 智能体

ReAct 智能体的核心在于它能够通过推理和行动的循环来解决问题。其流程通常包括：

1. 推理：根据当前的情境和信息进行逻辑推理，生成对未来行动的预测或计划
2. 行动：根据推理结果采取实际行动，通常这些行动直接与环境或任务相关
3. 反馈与调整：执行行动后，ReAct 智能体会接收到新的反馈，进一步进行推理并调整其行动策略

ReAct 智能体的特点是，它在推理和行动之间有较强的闭环反馈机制，即它会根据行动的结果来调整后续的推理和行动策略。这使得它能够在复杂、动态的环境中适应和学习。

2.2 代码示例

2.2.1 安装依赖

pip install google-search-results
pip install --upgrade langchainhub
pip install python-dateutil

2.2.2 代码实现

import dotenv
import os
import calendar
from langchain.agents import AgentExecutor, create_react_agent

from langchain_community.utilities import SerpAPIWrapper
from langchain.tools import Tool, tool
from langchain_openai import ChatOpenAI
from langchain import hub
import dateutil.parser as parser

dotenv.load_dotenv()
serpapi_api_key = os.getenv('SERPAPI_API_KEY')

# 定义搜索工具
search = SerpAPIWrapper(serpapi_api_key=serpapi_api_key)
tools = [
    Tool.from_function(
        func=search.run,
        name="Search",
        description="用于搜索一些你不知道的网络信息"
    ),
]

# 自定义工具：日期转星期
@tool("weekday")
def weekday(date_str: str) -> str:
    """日期转换为星期名，格式必须是date/time"""
    d = parser.parse(date_str)
    return calendar.day_name[d.weekday()]

tools += [weekday]

# 下载一个现有的 Prompt 模板
react_prompt = hub.pull("hwchase17/react")

print(react_prompt.template)

llm = ChatOpenAI(model='gpt-4o', temperature=0, seed=23)

# 定义一个 agent: 需要大模型、工具集、和 Prompt 模板
agent = create_react_agent(llm, tools, react_prompt)

# 定义一个执行器：需要 agent 对象 和 工具集
agent_executor = AgentExecutor(agent=agent, tools=tools, verbose=True)

# 执行
print(agent_executor.invoke({"input": "张杰的老婆的父亲生日是星期几"}))

2.2.3 ReAct Prompt 模板

Answer the following questions as best you can. You have access to the following tools:

{tools}

Use the following format:

Question: the input question you must answer
Thought: you should always think about what to do
Action: the action to take, should be one of [{tool_names}]
Action Input: the input to the action
Observation: the result of the action
... (this Thought/Action/Action Input/Observation can repeat N times)
Thought: I now know the final answer
Final Answer: the final answer to the original input question

Begin!

Question: {input}
Thought:{agent_scratchpad}

2.2.4 执行过程

> Entering new AgentExecutor chain...
要回答这个问题，我需要知道张杰的老婆是谁，然后找到她父亲的生日，并将其转换为星期几。

Action: Search
Action Input: "张杰的老婆"
['Xie Na (谢娜) type: Chinese host and singer.', ...]

张杰的老婆是谢娜。接下来，我需要找到谢娜父亲的生日。

Action: Search
Action Input: "谢娜父亲生日"
['谢娜（1981年5月6日—），生于四川省德阳市中江县...', ...]

Thought: 我没有找到谢娜父亲的具体生日日期，因此无法将其转换为星期几。

Final Answer: 我无法找到谢娜父亲的具体生日日期，因此无法确定他生日是星期几。

> Finished chain.
{'input': '张杰的老婆的父亲生日是星期几', 'output': '我无法找到谢娜父亲的具体生日日期，因此无法确定他生日是星期几。'}

可以看到 ReAct 智能体的推理过程：先搜索张杰的老婆 → 得知是谢娜 → 再搜索谢娜父亲的生日 → 由于未找到具体日期，返回无法确定的结果。