BroadRouter
शुरू करें

ReAct (reason and act)

अपडेट किया गया

ReAct (reason and act) एक प्रॉम्प्टिंग पैटर्न है, जिसे Yao और साथियों ने 2022 में पेश किया, जिसमें लैंग्वेज मॉडल reasoning traces को सर्च या टूल कॉल जैसी कार्रवाइयों के साथ बारी-बारी चलाता है। वह हर observation पढ़ता है, अपनी योजना अपडेट करता है, और अंतिम जवाब तक यही दोहराता है।

अन्य नाम: ReAct, रिएक्ट एजेंट, react agent kya hai, react prompting kya hai, ReAct agent, ReAct prompting, ReAct pattern, ReAct framework

ज़्यादातर agent loops के पीछे ReAct पैटर्न है: सोचो, करो, नतीजा देखो, फिर सोचो।

यह कैसे काम करता है

ReAct पेपर (Yao और साथी, 2022) मॉडल से “generate both reasoning traces and task-specific actions in an interleaved manner.” (अनुवाद: reasoning traces और काम से जुड़ी कार्रवाइयाँ, दोनों बारी-बारी बनाने) को कहता है। पेपर के अनुसार reasoning traces “help the model induce, track, and update action plans as well as handle exceptions,” (अनुवाद: मॉडल को कार्रवाई की योजना बनाने, उस पर नज़र रखने और उसे अपडेट करने, और अपवाद सँभालने में मदद करते हैं), जबकि कार्रवाइयाँ मॉडल को बाहरी स्रोतों से तथ्य जुटाने देती हैं।

मूल टेक्स्ट वाले रूप में, प्रॉम्प्ट के कुछ उदाहरण मॉडल को ऐसा फ़ॉर्मैट सिखाते हैं:

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"]

आपका कोड हर Action को parse करके चलाता है, और मॉडल को दोबारा कॉल करने से पहले Observation जोड़ता है।

HotpotQA और Fever पर पेपर बताता है कि एक सरल Wikipedia API से क्वेरी करके ReAct ने हैलुसिनेशन और ग़लतियों का आगे फैलना कम किया। हर क़दम लिखा होता है, इसलिए reasoning traces के बिना वाले baselines के मुक़ाबले इसकी trajectories जाँचना भी आसान था।

आज यही loop आम तौर पर parse किए टेक्स्ट के बजाय structured tool calling से चलता है। उदाहरण के लिए, OpenAI Agents SDK का runner मॉडल को कॉल करता है, लौटाई गई टूल कॉल चलाता है, नतीजे जोड़ता है और अंतिम जवाब आने तक मॉडल को फिर कॉल करता है।

यह क्यों मायने रखता है

  • Grounding. विचारों के बीच असली डेटा पर कार्रवाई करने से वह अंदाज़ा घटता है जो हैलुसिनेशन की ओर ले जाता है।
  • डीबगिंग. हर thought और observation दिखता है, इसलिए आप देख सकते हैं कि रन कहाँ ग़लत गया।
  • टोकन की लागत. हर Thought, Action और Observation history में रहता है और अगले टर्न पर दोबारा भेजा जाता है। 10 क़दमों वाला ReAct रन अपने शुरुआती क़दम 10 बार भेजता है। एजेंट टोकन बजट वाला लेख इसका हिसाब समझाता है।
  • रीज़निंग मॉडल. जो मॉडल जवाब से पहले सोचते हैं, वे “Thought” का कुछ काम अंदर ही रीज़निंग टोकन के रूप में कर लेते हैं।

BroadNet Inference पर

आप किसी भी BroadNet चैट मॉडल पर ReAct loop चला सकते हैं, या तो टेक्स्ट फ़ॉर्मैट और few-shot उदाहरणों के साथ, या structured tools के साथ। BroadNet के डॉक्स GLM 5.3 और Qwen3.8 27B के लिए tool calling दर्ज करते हैं। ओपन मॉडल के साथ tool calling अनुरोधों का ढाँचा दिखाता है।

DeepSeek V4.1 Flash, GLM 5.3 और Qwen3.8 27B जवाब से पहले सोचते हैं, और यह रीज़निंग max_tokens में गिनी जाती है। हर क़दम पर इसके लिए जगह छोड़ें, या reasoning_effort को low पर सेट करें।

अक्सर पूछे जाने वाले सवाल

क्या ReAct और chain-of-thought एक ही हैं?

नहीं। Chain-of-thought सिर्फ़ reasoning है। ReAct बीच में कार्रवाइयाँ जोड़ता है, ताकि मॉडल चीज़ें खोज सके और जो मिला उसके आधार पर ख़ुद को सुधार सके, न कि सिर्फ़ उस पर निर्भर रहे जो वह पहले से जानता है।

क्या आज भी प्रॉम्प्ट में Thought और Action लाइनें लिखनी पड़ती हैं?

आम तौर पर नहीं। आधुनिक API structured टूल कॉल लौटाते हैं, और रीज़निंग मॉडल जवाब से पहले सोचते हैं। ReAct का विचार, यानी सोचो, फिर करो, फिर देखो, ज़्यादातर फ़्रेमवर्क के agent loop में ज़िंदा है।

ReAct पेपर ने क्या दिखाया?

लेखक बताते हैं कि ALFWorld और WebShop पर ReAct ने imitation और reinforcement learning तरीकों को 34% और 10% की absolute success rate से पीछे छोड़ा, सिर्फ़ एक या दो in-context उदाहरणों के प्रॉम्प्ट से।

Markdown में पढ़ेंChatGPT से पूछेंClaude से पूछेंPerplexity से पूछें