详细内容或原文请订阅后点击阅览
AI 代理解释：什么是 ReAct 循环及其工作原理？
代理如何推理、行动和观察最终答案，一次一步人工智能代理解释：什么是 ReAct 循环及其工作原理？首先出现在《走向数据科学》上。
来源:走向数据科学在我的上一篇文章中，.工具调用是一种允许 AI 模型决定需要使用哪个函数以及使用哪些参数的机制，而不仅仅是生成文本作为输出。在那篇文章的结尾，我们有了一个设置，可以决定 get_current_weather 或 conversion_currency，或者通过并行调用它们来同时执行这两个操作，或者两者都不执行，只生成文本。换句话说，模型决定下一步需要做什么，我们（其余代码）执行该决定，将结果传回模型，模型最终以文本格式向用户提供明智的答案。
这个循环的更高级版本不会在一轮模型决策 - 代码执行 - 传回结果 - 模型回答之后停止。该模型可以使用一个工具调用的结果来决定是否要调用下一个工具以及调用哪个工具，而不是在最后生成响应。正如工具调用文章末尾已经提到的，这是一个 ReAct 循环（原因 + 行动），正是让代理处理无法在单次调用中解决的任务的原因。
但这样的任务会是什么？在上一篇文章的并行调用示例中，我们询问了雅典的天气状况和 100 美元兑换欧元是多少？，这是两个独立的事物，需要使用两个单独的工具来获取响应，但也彼此独立。换句话说，我们可以同时独立地回答这两个问题，而不需要第一个问题的任何信息来回答第二个问题。
那么，让我们来看看吧！
🍨DataCrea是一份有关人工智能、数据和技术的时事通讯。如果您对这些主题感兴趣，请在这里订阅！
但 ReAct 循环到底是什么？
ReAct 循环只是按顺序重复的三个步骤：
相同的工具，新的技巧
我们还需要定义一个查找字典，我们的代码将使用它来将模型的工具选择分派给实际的 Python 函数：
观察循环思考
在我的脑海中
✨ 感谢您的阅读！ ✨