ReAct: entscheiden, handeln, beobachten

ReAct wechselt Entscheidungen und Aktionen basierend auf beobachteten Ergebnissen. Der Agent kann zunächst die erforderlichen Beweise abrufen und antworten, sobald die erforderlichen Beweise vorliegen.

Diese Schritte beziehen sich auf im Anwendungscode identifizierte Funktionen. Dieses Material wurde nicht in einer Live-Instanz validiert; Überprüfen Sie die Dokumentation und die Optionen in Ihrer Version.

Wie es funktioniert, Schritt für Schritt

Eine begrenzte Agentenschleife

Ein Agent kombiniert ein Modell mit Werkzeugen, einem Ziel und einem Zustand. Es beobachtet die Anfrage, wählt einen Schritt, erhält ein Ergebnis und entscheidet, ob es fortfährt. Ein Chatbot darf nur Text generieren; Ein Agent kann eine externe Aktion anfordern. Kommerzielle Definitionen variieren. Überprüfen Sie daher die tatsächliche Kontrolle. Definieren Sie Erfolg und Stopp: ein überprüftes Ergebnis, eine maximale Schrittzahl, wiederholte Fehler oder ein ausgeschöpftes Budget. Verwenden Sie eingeschränkte Funktionen und minimale Berechtigungen. Nützliche Autonomie bedeutet Freiheit innerhalb der durch Software durchgesetzten Grenzen.

Das Modell schlägt vor, das Werkzeug führt aus

Der Tool-Aufruf erzeugt eine Aufrufanforderung mit einem Namen und Argumenten. Die Anwendung validiert das Schema, die Berechtigungen und die Beschränkungen vor der Ausführung. Das Ergebnis kehrt für den nächsten Schritt in den Kontext zurück. Beispielsweise nimmt get_product_stock eine SKU und gibt eine Menge zurück; In der Beschreibung sollte erläutert werden, dass keine Produkte reserviert werden. Unterscheiden Sie zwischen leeren Ergebnissen, Validierungsfehlern, fehlendem Zugriff und Zeitüberschreitungen. Gültiges JSON beweist nicht, dass die Argumente korrekt sind oder die Aktion autorisiert ist. Denken Sie bei externen Effekten auch an eine doppelte Ausführung.

Ein Workflow hat eine explizite Struktur

Ein Knoten ist eine Stufe, eine Kante ist ein Übergang und ein Zustand überträgt Ergebnisse zwischen Stufen. Ein Workflow hat einen anwendungsdefinierten Pfad, obwohl das Modell möglicherweise einige Zweige auswählt. Agentensysteme umfassen sowohl Workflows als auch dynamisch agierende Agenten. Nymrio bietet ReAct, Reflection, Sequential, Orchestrator, Router, Parallel und Plan-and-Execute. Jeder ändert die Koordination; Es macht ein Modell nicht automatisch zum Experten. Mehr Agenten bedeuten mehr Anrufe und Verträge zwischen den Rollen. Beginnen Sie mit der einfachsten Lösung, die Ihre Tests besteht.

Detailliertes Labor

Nachvollziehbare Ausführung und Anweisungen

Weisen Sie dem Agenten eine konkrete Rolle zu: „Überprüfen Sie die Richtlinie, bevor Sie eine Frist festlegen. Bitten Sie um Klarstellung, wenn das Produkt nicht identifiziert ist. Hören Sie auf, nachdem Sie eine evidenzbasierte Antwort erhalten haben.“ RAG ist das Retrieval-Tool; Das Modell muss Werkzeuge unterstützen. Wählen Sie ReAct aus und weisen Sie den Agenten im Editor zu.

1. Anfrage: „Kann ich LX-240 nach 10 Tagen zurückgeben?“
2. Entscheidung: Die Richtlinie ist erforderlich, keine generische Websuche.
3. Aktion: Das Wissenstool gibt 14 Tage und Bedingungen zurück.
4. Beispielhafte Antwort: „Die angegebene Frist beträgt 14 Tage ab Erhalt für ein unbenutztes Produkt in der Originalverpackung. Kontaktieren Sie vor dem Versand den Support.“

Wenn das Tool ausfällt, bestätigt ein gutes Ergebnis die Einschränkung. ReAct eignet sich für Fälle, in denen neue Erkenntnisse das nächste Vorgehen bestimmen; Wählen Sie „Sequentiell“ für feste Transformationen.

Das erklärende Schaubild

Folgen Sie den durchgezogenen Pfeilen für den Hauptfluss. Gestrichelte blaue Pfeile liefern Daten oder Kontext; Gestrichelte rosa Pfeile zeigen Feedback oder zurückgegebene Ergebnisse an. Farben und Formen unterscheiden Modelle, Geschäfte, Entscheidungen und Ergebnisse. Scrollen Sie auf kleinen Bildschirmen horizontal, um das gesamte Schaubild zu verfolgen.

Ein vollständiges Beispiel

„Welche Rückgabefrist gilt für LX-240?“ löst eine Policensuche, Beobachtung von 14 Tagen und eine Antwort aus. Ein gescheitertes Tool darf nicht zu einer erfundenen Politik führen.

template: ReAct
agent: LunaKnowledge
stop: answer_or_execution_limit

Probieren Sie es selbst aus

1. Erstellen Sie einen ReAct-Workflow mit dem Wissensagenten und testen Sie einen Abruffehler.
2. Notieren Sie die Eingabe, die Quelle und das erwartete Ergebnis, bevor Sie das Experiment durchführen. Verwenden Sie im Beispiel nur die fiktiven Daten.
3. Folgen Sie den Diagrammschritten. Notieren Sie bei jedem Schritt, welche Informationen empfangen und produziert werden. Verwechseln Sie Zwischenergebnisse nicht mit Endergebnissen.
4. Wiederholen Sie den Vorgang, nachdem Sie erforderliche Informationen entfernt oder die Eingabe mehrdeutig gemacht haben. Prüfen Sie, ob das System eine Antwort klärt, stoppt oder erfindet.
5. Vergleichen Sie mit der erklärten Lösung. Bewahren Sie die Konfiguration, das Datum, das Ergebnis und eine Erklärung für Unterschiede auf. Ändern Sie eine Sache und testen Sie es erneut.

Eine erklärte Lösung

Die Schleife stoppt nach Beantwortung oder Erreichen des Ausführungslimits; Der Abruf unterstützt die Frist. Mit einer erfolgreichen Übung können Sie den Zusammenhang zwischen Input, Phasen und Ergebnis aufzeigen. Bei fehlenden Informationen ist eine vorsichtige Antwort sinnvoller als erfundene Details. Vergleichen Sie mehr als nur Stil: Überprüfen Sie auch Bedingungen, Quellen und Vorgänge.

Wann dieser Ansatz hilft und wo seine Grenzen liegen

ReAct ist ein Kontrollmuster, keine Argumentationsgarantie. Wählen Sie diesen Ansatz, wenn er einen gemessenen Bedarf verbessert. Behalten Sie eine einfache Ausgangsbasis bei und vergleichen Sie die Ergebnisse mit identischen Eingaben. Ein erfolgreiches Beispiel stellt nicht in jeder Situation Verlässlichkeit dar.

Überprüfen Sie Ihr Wissen

Führt mehr Autonomie immer zu einem besseren Ergebnis?

Nein. Es erhöht auch den Spielraum für Fehler, Kosten und unnötige Maßnahmen.

Wer führt einen vom Modell vorgeschlagenen Aufruf aus?

Die Anwendung oder der Hostdienst nach der Validierung. Das Modell erhält nicht automatisch uneingeschränkten Zugriff.

Zu welchem ​​Ergebnis soll diese Übung führen?

Die Schleife stoppt nach Beantwortung oder Erreichen des Ausführungslimits; Der Abruf unterstützt die Frist.

Wichtige Begriffe

• Agentin: Ein System, das Schritte auswählen und Werkzeuge einsetzen kann, um ein Ziel zu erreichen.
• Werkzeugaufruf: Eine strukturierte Anfrage zur Nutzung einer externen Funktion.
• Nicken: Eine Phase in einem Ausführungsdiagramm.

Quellen und Ihr nächster Schritt

• LangGraph — Workflows und Agenten

Zur Vorbereitung: W01 – Was ist ein Agenten-KI-System?