تیپ #۱۹

الگوی ReAct: فکر کن، عمل کن، مشاهده کن

در الگوی ReAct، مدل به‌جای اینکه از همان ابتدا کل مسیر را برنامه‌ریزی کند، گام‌به‌گام پیش می‌رود: یک «فکر» می‌نویسد، یک «عمل» انجام می‌دهد (معمولاً صدا زدن یک ابزار) و بعد «مشاهده» یعنی خروجی برگشتی را می‌خواند. 🔁 همین مشاهده ورودی فکر بعدی می‌شود، پس تصمیم‌ها روی شواهد واقعی سوار می‌شوند نه روی حدس. حلقه هم وقتی بسته می‌شود که مدل تشخیص دهد اطلاعات کافی برای پاسخ نهایی دارد.

توضیح کامل‌تر

الگوی ReAct از دل یک محدودیت عملی بیرون آمد: مدل زبانی وقتی فقط «فکر» می‌کند، ممکن است زنجیره‌ای از استدلال بسازد که هیچ‌جا با واقعیت سنجیده نمی‌شود و در نتیجه دچار توهم شود. راه‌حل این است که بین استدلال و تعامل با محیط تناوب ایجاد کنیم: مدل یک گام استدلال می‌نویسد، بر پایه آن یک ابزار را صدا می‌زند و بعد خروجی ابزار را می‌بیند. این مشاهده به‌عنوان شاهد تازه به متن اضافه می‌شود و فکر بعدی را شکل می‌دهد، بنابراین مسیر ایجنت به‌جای اینکه از پیش قطعی باشد، پویا اصلاح می‌شود. در عمل همین حلقه است که تفاوت میان یک چت‌بات و یک ایجنت قابل‌اعتماد را می‌سازد، چون خطاهای میانی پیش از تبدیل شدن به پاسخ نهایی گرفته می‌شوند. برای نمونه، ایجنتی که باید نرخ امروز یک ارز را گزارش کند اول جست‌وجو می‌کند، نتیجه را می‌خواند و اگر تاریخ داده به‌روز نبود، با عبارت دیگری دوباره جست‌وجو می‌کند. پیاده‌سازی این الگو هم ساده است: در پرامپت سیستمی قالب Thought/Action/Observation را تعریف کنید و خروجی مدل را تا رسیدن به پاسخ نهایی در حلقه نگه دارید. فقط تعداد گام‌ها را محدود کنید تا حلقه بی‌پایان نشود و هزینه توکن از کنترل خارج نگردد.