ReAct-Agent框架详解（Langchain）

原创已于 2025-07-31 23:47:39 修改 · 713 阅读

17 ·

CC 4.0 BY-SA版权

文章标签：

#langchain #ReAct-Agent

于 2025-07-31 23:33:13 首次发布

LLM 专栏收录该内容

20 篇文章

订阅专栏

一、ReAct-Agent框架详解

1. 什么是ReAct-Agent？

ReAct（Reasoning + Acting）是AI Agent的一种实现范式，其核心思想是将推理（Reasoning） 和 行动（Acting） 结合，通过多轮循环解决问题。它的工作流程如下：

输入（Input）：接收用户任务。
推理（Reasoning）：模型分析任务，规划所需操作。
行动（Acting）：调用外部工具（如搜索引擎、API等）执行操作。
观察（Observation）：获取工具返回的结果。
重复循环：基于观察结果继续推理或行动，直到任务完成。
输出（Response）：生成最终答案。

ReAct的核心优势在于：

解决LLM的“幻觉”问题：通过显式推理步骤和工具调用验证信息，减少无依据输出。
动态适应复杂场景：多轮交互使Agent能处理多步骤、多条件的任务。
可解释性：每一步的推理过程可被记录和调试。

二、LangChain生态如何实现ReAct框架？

LangChain是一个支持ReAct框架的主流框架，其核心组件包括：

AgentExecutor：负责协调Agent的执行流程。
Tool：定义可调用的外部工具（如搜索、计算等）。
Prompt模板：指导模型生成推理和行动步骤。
LLM（大语言模型）：作为推理和决策的核心。

1. 核心实现步骤

定义工具：通过@tool装饰器或Tool类定义工具接口。
初始化LLM：加载大语言模型（如OpenAI、通义千问等）。
创建Agent：使用initialize_agent或create_react_agent初始化ReAct代理。
执行任务：调用agent.run()启动ReAct循环。

三、LangChain代码示例

示例1：使用内置工具（搜索+计算器）

from langchain.agents import initialize_agent, Tool
from langchain.llms import OpenAI
from langchain.tools import DuckDuckGoSearchResults, LLMMathChain

# 初始化LLM
llm = OpenAI(temperature=0)

# 创建搜索工具
search = DuckDuckGoSearchResults()

# 创建数学计算工具
math_chain = LLMMathChain(llm=llm)

# 定义工具列表
tools = [
    Tool(name="Search", func=search.run, description="用于搜索互联网信息"),
    Tool(name="Calculator", func=math_chain.run, description="用于执行数学计算")
]

# 初始化ReAct代理
agent = initialize_agent(
    tools=tools,
    llm=llm,
    agent="zero-shot-react-description",
    verbose=True,
    handle_parsing_errors=True
)

# 执行任务
response = agent.run("美国2022年人口总数是多少？这个数值的平方根是多少？")
print(response)

示例2：自定义工具（查询商品数据库）

from langchain.agents import initialize_agent, Tool
from langchain.llms import OpenAI

# 初始化LLM
llm = OpenAI(temperature=0)

# 自定义工具：查询商品数据库
@tool
def query_goods(good_detail: str, goods_type: str = None, price_range: str = None) -> str:
    """根据商品名称和价格范围查询商品数据库"""
    # 模拟数据库
    goods = [
        {"goods_name": "苹果", "goods_type": "水果", "price": 1.00},
        {"goods_name": "小米15", "goods_type": "手机", "price": 1500},
        {"goods_name": "iPhone 13", "goods_type": "手机", "price": 4099}
    ]
    return [g for g in goods if g["goods_type"] == goods_type]

# 定义工具列表
tools = [
    Tool(name="QueryGoods", func=query_goods, description="查询商品数据库")
]

# 初始化ReAct代理
agent = initialize_agent(
    tools=tools,
    llm=llm,
    agent="zero-shot-react-description",
    verbose=True
)

# 执行任务
response = agent.run("请列出所有价格低于2000元的手机")
print(response)