BroadRouter
Magsimula

ReAct (reason and act)

Na-update

Ang ReAct (reason and act) ay isang prompting pattern, ipinakilala nina Yao et al. noong 2022, kung saan pinagsasalit ng language model ang reasoning traces at mga aksyon gaya ng search o tool call. Binabasa nito ang bawat observation, ina-update ang plano, at umuulit hanggang makapagbigay ng huling sagot.

Tinatawag ding: ReAct, ReAct agent, ReAct prompting, ReAct pattern, ReAct framework, reason and act

Ang ReAct ang pattern sa likod ng karamihan ng agent loop: mag-isip, kumilos, tingnan ang resulta, mag-isip ulit.

Paano ito gumagana

Inuutusan ng ReAct paper (Yao et al., 2022) ang model na “generate both reasoning traces and task-specific actions in an interleaved manner.” (Salin ng BroadRouter: “bumuo ng reasoning traces at mga aksyong partikular sa task nang magkasalitan.”) Sinasabi ng paper na ang reasoning traces ay “help the model induce, track, and update action plans as well as handle exceptions,” (Salin ng BroadRouter: “tumutulong sa model na bumuo, subaybayan at i-update ang mga plano ng aksyon, at humawak ng mga exception,”) habang hinahayaan ng mga aksyon ang model na mangalap ng impormasyon mula sa labas.

Sa orihinal na anyong text, tinuturuan ng ilang halimbawa sa prompt ang model ng format na tulad nito:

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"]

Pina-parse ng code mo ang bawat Action, pinapatakbo ito, at idinadagdag ang Observation bago tawagin ulit ang model.

Sa HotpotQA at Fever, iniuulat ng paper na nabawasan ng ReAct ang hallucination at pagkalat ng error sa pamamagitan ng pag-query sa isang simpleng Wikipedia API. Dahil nakasulat ang bawat hakbang, mas madali ring suriin ang mga trajectory kaysa sa mga baseline na walang reasoning traces.

Ngayon, kadalasang sa structured na tool calling na tumatakbo ang parehong loop, sa halip na sa pina-parse na text. Halimbawa, tinatawag ng runner ng OpenAI Agents SDK ang model, pinapatakbo ang anumang tool call na ibinalik nito, idinadagdag ang mga resulta at tinatawag ulit ang model hanggang dumating ang huling sagot.

Bakit ito mahalaga

  • Grounding. Nababawasan ng pagkilos sa totoong data sa pagitan ng mga pag-iisip ang panghuhula na nauuwi sa hallucination.
  • Debugging. Nakikita ang bawat thought at observation, kaya makikita mo kung saan nagkamali ang isang run.
  • Gastos sa token. Nananatili sa history ang bawat Thought, Action at Observation at ipinapadala ulit sa susunod na turn. Ipinapadala ng isang 10-step na ReAct run ang mga unang hakbang nito nang 10 beses. Hinihimay ito ng post na agent token budget.
  • Reasoning models. Ang mga model na nag-iisip bago sumagot ay ginagawa sa loob ang bahagi ng trabahong “Thought,” bilang reasoning tokens.

Sa BroadNet Inference

Puwede kang magpatakbo ng ReAct loop sa anumang chat model ng BroadNet, gamit man ang text format at few-shot na halimbawa o ang structured na tools. Inililista ng docs ng BroadNet ang tool calling para sa GLM 5.3 at Qwen3.8 27B. Ipinapakita ng Tool calling with open models ang hugis ng mga request.

Nag-iisip bago sumagot ang DeepSeek V4.1 Flash, GLM 5.3 at Qwen3.8 27B, at bilang sa max_tokens ang reasoning. Mag-iwan ng puwang para dito sa bawat hakbang, o i-set ang reasoning_effort sa low.

Mga tanong

Pareho ba ang ReAct at chain-of-thought?

Hindi. Reasoning lang ang chain-of-thought. Nagdadagdag ang ReAct ng mga aksyon sa pagitan, kaya nakakapaghanap ang model at naitatama ang sarili batay sa nakikita nito, sa halip na umasa lang sa alam na nito.

Nagsusulat pa rin ba ako ng mga linyang Thought at Action sa prompt ngayon?

Kadalasan hindi na. Structured na tool call ang ibinabalik ng mga modernong API, at nag-iisip muna ang mga reasoning model bago sumagot. Buhay pa rin ang ideya ng ReAct, mag-isip saka kumilos saka magmasid, sa agent loop ng karamihan ng framework.

Ano ang ipinakita ng ReAct paper?

Iniuulat ng mga may-akda na sa ALFWorld at WebShop, tinalo ng ReAct ang mga imitation at reinforcement learning method nang 34% at 10% na absolute success rate, gamit lang ang isa o dalawang in-context na halimbawa sa prompt.

Basahin bilang MarkdownTanungin ang ChatGPTTanungin ang ClaudeTanungin ang Perplexity