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.