ReAct

收录理由

这个仓库源自一篇ICLR 2023论文，核心思想是让语言模型在回答前先写下推理过程，再通过查询百科或逐步操作环境来验证想法。作者用HotpotQA、FEVER、AlfWorld和WebShop四个任务展示了这种'思考+行动'模式的成效，并附带了可复现的notebook，你可以直接运行看原始结果，而不是只听说结论。如今很多人是通过LangChain的zero-shot agent接触到ReAct，这没问题，但仓库真正的价值在于它保留了最初的实验代码和设计思路，读起来不费劲。对于想构建需要先搜集信息、调用工具再回复的智能体的人来说，这是一份很实在的参考，也能帮你理解当前工具型模型背后的基本逻辑。