BroadRouter
ابدأ الآن

ReAct (الاستدلال ثم الفعل)

آخر تحديث

ReAct (الاستدلال والفعل، reason and act) نمط تلقين قدّمه Yao وآخرون عام 2022، يمزج فيه النموذج اللغوي بين مسارات الاستدلال والإجراءات، مثل البحث أو استدعاء الأدوات. يقرأ النموذج كل ملاحظة، ويحدّث خطته، ويكرر ذلك حتى يستطيع تقديم إجابة نهائية.

يُسمّى أيضًا: وكيل ReAct، نمط ReAct، تلقين ReAct، الاستدلال والفعل، ReAct agent، ReAct prompting، ReAct pattern، ReAct framework، reason and act

ReAct هو النمط الذي تقوم عليه معظم حلقات الوكلاء: فكّر، نفّذ، انظر في النتيجة، ثم فكّر من جديد.

كيف يعمل

تلقّن ورقة ReAct (Yao وآخرون، 2022) النموذج أن “generate both reasoning traces and task-specific actions in an interleaved manner.” (ترجمة: يولّد مسارات الاستدلال والإجراءات الخاصة بالمهمة بشكل متناوب.) وتقول الورقة إن مسارات الاستدلال “help the model induce, track, and update action plans as well as handle exceptions,” (ترجمة: تساعد النموذج على استنتاج خطط العمل وتتبّعها وتحديثها، وعلى معالجة الاستثناءات)، بينما تتيح الإجراءات للنموذج جمع الحقائق من مصادر خارجية.

وفي الصيغة النصية الأصلية، تعلّم بضعة أمثلة في الأمر النموذجَ صيغة كهذه:

Question: Which city hosted the event the author attended in 2019?
Thought: I need to find which event the author attended in 2019.
Action: search["author 2019 event"]
Observation: The author spoke at a conference in Lisbon in 2019.
Thought: The event was in Lisbon. That answers the question.
Action: finish["Lisbon"]

تحلّل شيفرتك كل Action، وتنفّذه، وتضيف Observation قبل استدعاء النموذج من جديد.

وعلى HotpotQA وFever، تفيد الورقة بأن ReAct قلّل الهلوسة وانتشار الأخطاء بالاستعلام من واجهة Wikipedia API بسيطة. ولأن كل خطوة مكتوبة صراحةً، كانت المسارات أيضًا أسهل في الفحص من مسارات النماذج المرجعية التي لا تكتب استدلالها.

واليوم تجري الحلقة نفسها عادةً عبر استدعاء الأدوات المنظَّم بدل النص المحلَّل. فمشغّل OpenAI Agents SDK مثلًا يستدعي النموذج، وينفّذ أي استدعاءات أدوات يعيدها، ويضيف النتائج، ثم يستدعي النموذج من جديد حتى تصل إجابة نهائية.

لماذا يهم

  • الإسناد إلى الواقع. العمل على بيانات حقيقية بين خطوات التفكير يقلّل التخمين الذي يؤدي إلى الهلوسة.
  • تصحيح الأخطاء. كل فكرة وملاحظة مرئية، فترى أين انحرف التشغيل.
  • تكلفة الرموز. كل Thought وAction وObservation يبقى في السجل ويُعاد إرساله في الدور التالي. وتشغيل ReAct من 10 خطوات يرسل خطواته الأولى 10 مرات. وتفصّل مقالة ميزانية رموز الوكيل ذلك.
  • نماذج الاستدلال. النماذج التي تستدل قبل أن تجيب تؤدي جزءًا من عمل “Thought” داخليًا، على شكل رموز استدلال منطقي.

في BroadNet Inference

يمكنك تشغيل حلقة ReAct مع أي نموذج محادثة في BroadNet، إما بصيغة نصية وأمثلة قليلة، وإما بأدوات منظَّمة. ويُدرج توثيق BroadNet استدعاء الأدوات لنموذجَي GLM 5.3 وQwen3.8 27B. وتعرض مقالة استدعاء الأدوات مع النماذج المفتوحة أشكال الطلبات.

تُجري نماذج DeepSeek V4.1 Flash وGLM 5.3 وQwen3.8 27B استدلالًا منطقيًا قبل الإجابة، ويُحتسب الاستدلال ضمن max_tokens. اترك له مساحة في كل خطوة، أو اضبط reasoning_effort على low.

أسئلة شائعة

هل ReAct هو نفسه سلسلة التفكير؟

لا. سلسلة التفكير استدلال فقط. أما ReAct فيضيف إجراءات بين خطوات الاستدلال، فيستطيع النموذج البحث عن المعلومات وتصحيح نفسه بناءً على ما يجده، بدل الاعتماد على ما يعرفه مسبقًا فقط.

هل ما زلت أكتب أسطر Thought وAction في الأوامر اليوم؟

عادةً لا. تعيد واجهات API الحديثة استدعاءات أدوات منظَّمة، ونماذج الاستدلال تفكر قبل أن تجيب. لكن فكرة ReAct، أي الاستدلال ثم الفعل ثم الملاحظة، باقية في حلقة الوكيل في معظم الأطر.

ماذا أظهرت ورقة ReAct؟

يفيد المؤلفون بأن ReAct تفوّق على ALFWorld وWebShop على أساليب التعلم بالمحاكاة والتعلم المعزّز بفارق مطلق في معدل النجاح بلغ 34% و10%، مع تلقينه بمثال أو مثالين فقط داخل السياق.

اقرأها بصيغة Markdownاسأل ChatGPTاسأل Claudeاسأل Perplexity