实现多步推理

本单元目标

学完本单元后，你将能够基于 ReAct 模式设计一个具备“思考-行动-观察”循环的 Agent，使其在面对需要多步推理的复杂任务时，能够自主决策并完成工具调用，而非依赖预设的线性流程。

概念讲解

当任务不再是“查天气”这种单步操作，而是“帮我规划一个包含交通、住宿和景点的三天北京行程”时，传统的提示词工程就会失效——因为你无法预写所有分支。ReAct（Reason + Act）模式正是为此而生。它的核心思想是：让大模型在每一轮迭代中交替输出 Thought（推理）、Action（行动） 和 Observation（观察） 三个字段。Thought 是模型对当前状态的推理，例如“用户需要交通方案，我需要先查询高铁时刻表”；Action 是具体的工具调用指令，例如 `search_train("北京", "上海")`；Observation 是工具返回的结果，例如“最早班次为 G1，07:00 发车”。模型将 Observation 作为下一轮 Thought 的输入，循环往复，直到它认为信息足够，输出 Final Answer。

关键在于，这个循环不是预先编排的，而是由模型根据中间结果动态决定下一步。这赋予了 Agent 一种“试错与修正”的能力：如果查询结果不理想，它可以换一个关键词重新搜索；如果信息互相冲突，它可以发起二次验证。ReAct 本质上将推理轨迹外显化，让每一步决策都可追溯、可干预，这也是它与单纯“工具调用”或“思维链”提示的本质区别。

实操演练

1. 定义一个工具函数字典，例如 `tools = {"search": search_func, "calc": calc_func}`，每个函数附带描述其用途的字符串元数据。
2. 在系统提示词中明确要求模型按 JSON 格式输出 `{"thought": "...", "action": "tool_name", "action_input": "..."}`，并规定当任务完成时输出 `{"final_answer": "..."}`。
3. 编写主循环：将用户问题与历史消息发送给模型，解析返回的 JSON；若含 `action`，则调用对应工具函数，将结果以“Observation”角色追加到消息历史中，然后再次调用模型。
4. 设置最大迭代次数（如 5 次）作为熔断机制，防止模型陷入无限循环。
5. 当模型输出 `final_answer` 时，终止循环并返回该答案；若超限，则返回最后一条 Thought 作为部分结果。

练习任务

1. 基于 ReAct 模式实现一个“多源信息核验”Agent：给定一个存在争议的事实（如“某城市今日是否限行”），让它至少调用两个不同的搜索工具（模拟），并输出对比后的结论。
2. 为上述 Agent 增加一个“自我纠错”场景：当第一次工具调用返回空结果时，观察模型是否会自主修改查询关键词并重试，记录其完整的 Thought-Action-Observation 轨迹。