咸宁市网站建设_网站建设公司_域名注册_seo优化

简介

本文介绍ReAct和Reflexion两种提升大模型能力的关键提示技术框架。ReAct结合推理与行动，使模型能够与外部环境交互，减少幻觉；Reflexion在此基础上增加评估和反思机制，形成完整学习闭环。两者结合显著提升模型在知识密集型、决策型和编程任务上的表现，为解决大模型事实幻觉、缺乏实时信息、规划能力不足等问题提供了有效方案。

在人工智能领域，特别是大语言模型（LLM）的应用中，尽管模型在许多任务上表现出色，但在处理复杂任务时仍存在明显局限性。大型语言模型在处理需要多步骤推理、实时信息获取和动态决策的任务时，常常面临以下挑战：

• 事实幻觉：模型可能生成看似合理但不准确的信息；
• 缺乏实时信息：模型训练数据截止后的新信息无法获取；
• 规划能力不足：面对复杂任务时难以分解和制定有效策略；
• 错误传播：单个错误推理可能导致整个任务失败；

为了解决这些问题，研究人员提出了多种提示技术框架，其中ReAct（Reasoning + Acting）和Reflexion（Self-Reflection）作为两个关键创新，通过将推理、行动和反思机制融入模型行为中，显著提升了LLM在知识密集型、决策型和编程任务上的表现。

本文将基于搜集的资料，介绍ReAct的核心思想、机制和应用，并探讨Reflexion作为其扩展的自我反思框架，最后讨论它们的结合潜力。

ReAct框架：推理与行动的协同

ReAct的核心思想

ReAct框架由Yao等人于2022年提出，其名称源于"Reasoning"（推理）和"Acting"（行动）的结合。该框架的核心灵感来源于人类决策过程：我们不只是被动思考，而是通过思考制定计划、执行行动、观察结果，并据此调整策略。ReAct将这一过程应用到LLM中，使模型能够动态处理复杂任务。

• 推理（Reasoning）：模型生成内部思考轨迹，例如"我需要先做什么，再做什么"，类似于链式思考（Chain-of-Thought, CoT）。这有助于分解任务、制定计划和处理异常。
• 行动（Acting）：模型生成可执行的操作，例如"搜索[关键词]“或"计算[表达式]”，以调用外部工具（如搜索引擎或计算器）获取实时信息。

通过"思考 → 行动 → 观察 → 再思考"的循环，ReAct使LLM能够融入外部知识，避免纯内部推理的局限性。

ReAct解决的问题

传统方法存在明显短板：

• 链式思考（CoT）：无法与外部世界互动，容易导致事实幻觉（Fact Hallucination）和错误传播。
• 仅行动（Act-Only）：缺乏规划能力，在多步骤任务中表现不佳。

ReAct通过行动步骤验证信息、减少幻觉，并通过推理步骤分解复杂问题。在知识密集型任务（如问答和事实验证）中，ReAct优于Act-Only，并与CoT结合时效果最佳。在决策型任务（如文字游戏）中，它显著提升性能，尽管与人类专家仍有差距。

ReAct的运作机制

ReAct依赖于特殊的提示方法：

1. 从训练集选取案例，改写成"思考-行动-观察"（Thought-Action-Observation）的轨迹。
2. 将这些轨迹作为少样本示例输入LLM。
3. LLM模仿格式，生成自己的循环直到得出答案。

示例：

任务： 清洗一个非常油腻的平底锅

模型生成的 ReAct 轨迹（模拟）：

思考 1：平底锅很油腻，我需要有效的清洗方法，可能涉及去油剂。 行动 1：搜索[清洗非常油腻平底锅的方法] 观察 1：推荐使用热水的、洗洁精和小苏打；先浸泡，然后擦洗。 思考 2：我有方法，现在执行步骤。 行动 2：执行[用热水浸泡锅子；添加洗洁精和小苏打；用海绵擦洗；冲洗干净] 观察 2：锅子清洁。 思考 3：如果仍有残留，重复擦洗。 行动 3：结束[锅子已清洗干净]

实践应用

ReAct框架在多个领域都有广泛的应用场景，以下是一些典型的使用场景和实践示例：

1. 知识密集型问答

在需要准确事实信息的任务中，ReAct能够通过外部工具获取最新信息，避免模型幻觉。

# 知识密集型问答示例 agent.run("2024年诺贝尔物理学奖得主是谁？他们的主要贡献是什么？")

2. 复杂决策任务

在需要多步骤规划和决策的任务中，ReAct能够制定策略并动态调整。

# 旅行规划示例 agent.run("为一个三口之家规划一个周末从北京到天津的亲子旅行，预算3000元")

3. 数据分析与计算

结合计算器等工具，ReAct能够执行复杂的数值计算和数据分析任务。

# 数据分析示例 agent.run("计算2023年公司各季度销售额增长率，并预测2024年第一季度销售额")

4. 客户服务

在客户服务场景中，ReAct能够根据用户问题检索相关信息并提供解决方案。

# 客户服务示例 agent.run("用户报告无法登录账户，错误代码为AUTH-001，请提供解决方案")

5. 编程辅助

在编程任务中，ReAct能够通过搜索文档、执行代码片段来辅助开发，以爱码仕ai编程工具使用为例，ReAct框架被用于智能代码生成、错误诊断与修复、技术选型建议等场景。

# 爱码仕中的ReAct应用示例 agent.run("创建一个React组件，实现用户登录表单，包含邮箱和密码验证功能")

在LangChain框架中，实现ReAct代理很简单：

• 初始化LLM和工具（如Web搜索）。
• 使用initialize_agent创建代理。

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

实例代码：

# 更新或安装必要的库 # !pip install --upgrade openai # !pip install --upgrade langchain # !pip install --upgrade python-dotenv # !pip install google-search-results # 引入库 import os from openai import OpenAI from langchain_community.agent_toolkits.load_tools import load_tools from langchain.agents import initialize_agent from dotenv import load_dotenv load_dotenv() from typing import Optional, List from langchain_core.language_models.llms import LLM from langchain.tools import BaseTool class CustomLLM(LLM): api_key: str client: Optional[OpenAI] = None def __init__(self, api_key: str, **kwargs): # 初始化OpenAI客户端，使用阿里云通义千问API client = OpenAI( api_key=api_key, base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) super().__init__(api_key=api_key, client=client, **kwargs) @property def _llm_type(self) -> str: return"qwen3-max" def _call(self, prompt: str, stop: Optional[List[str]] = None) -> str: # 添加ReAct格式的系统提示 system_prompt = """你是一个严格遵循ReAct模式的AI助手。 核心规则 - 必须严格遵守： 1. 每次回复只能包含一个Thought和一个Action 2. 格式必须完全按照以下模式，不能有任何偏差： Thought: [你的思考过程] Action: [工具名称] Action Input: [工具输入] 3. 绝对不能在一次回复中包含多个Thought或Action 4. 绝对不能直接给出Final Answer，除非前面有"Thought: I now know the final answer" 5. 每次Action后必须等待Observation才能继续下一轮 错误示例（禁止）： - 输出多个Thought-Action对 - 直接输出Final Answer而没有preceding thought - 在Action Input中包含额外解释 正确示例： Thought: 我需要检查材料是否齐全 Action: MaterialCheck Action Input: 洗洁精、钢丝球、热水 只有当任务完全完成后才能输出： Thought: I now know the final answer Final Answer: [最终答案]""" completion = self.client.chat.completions.create( # 使用通义千问plus模型 model="qwen-plus", messages=[ {"role": "system", "content": system_prompt}, {"role": "user", "content": prompt} ], temperature=0.1, # 稍微增加一点随机性但保持稳定 max_tokens=200, # 减少token数量强制简洁输出 stop=["\nObservation:", "Observation:", "\n\n"], # 添加停止词 ) # 返回生成的内容 return completion.choices[0].message.content # 自定义清洗工具 class MaterialCheckTool(BaseTool): name: str = "MaterialCheck" description: str = "检查清洗材料是否准备齐全。输入材料列表，返回检查结果。" def _run(self, materials: str) -> str: return f"已检查材料：{materials}。所有材料准备就绪，可以开始清洗。" class CleaningStepTool(BaseTool): name: str = "CleaningStep" description: str = "执行一个具体的清洗步骤。输入步骤描述，返回执行结果。" def _run(self, step: str) -> str: return f"已完成步骤：{step}。步骤执行成功，可以继续下一步。" class InspectionTool(BaseTool): name: str = "Inspection" description: str = "检查当前清洗效果。输入检查内容，返回检查结果。" def _run(self, inspection: str) -> str: return f"检查结果：{inspection}。清洗效果良好，建议继续或完成清洗。" llm = CustomLLM(api_key=os.getenv("DASHSCOPE_API_KEY")) # 创建自定义工具实例 material_check = MaterialCheckTool() cleaning_step = CleaningStepTool() inspection = InspectionTool() # 组合所有工具 math_tools = load_tools(["llm-math"], llm=llm) custom_tools = [material_check, cleaning_step, inspection] tools = math_tools + custom_tools agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True, handle_parsing_errors=True) agent.run("任务：清洗一个非常油腻的平底锅")

输出类似于：

> python3 react.py > Entering new AgentExecutor chain... Thought: 我需要先检查清洗材料是否准备齐全 Action: MaterialCheck Action Input: 洗洁精、钢丝球、热水 Observation: 已检查材料：洗洁精、钢丝球、热水。所有材料准备就绪，可以开始清洗。 Thought:Thought: 材料已准备齐全，现在可以开始执行清洗步骤。 Action: CleaningStep Action Input: 用热水浸泡平底锅5分钟，然后加入洗洁精并用钢丝球擦洗油腻部分 Observation Observation: 已完成步骤：用热水浸泡平底锅5分钟，然后加入洗洁精并用钢丝球擦洗油腻部分 Observation。步骤执行成功，可以继续下一步。 Thought:Thought: 我需要检查当前的清洗效果，确保油腻已被清除。 Action: Inspection Action Input: 检查平底锅表面是否还有油渍残留 Observation: 检查结果：检查平底锅表面是否还有油渍残留。清洗效果良好，建议继续或完成清洗。 Thought:Thought: 清洗效果良好，没有油渍残留，清洗任务已完成。 Final Answer: 平底锅已成功清洗，表面无油渍残留，清洗任务完成。 > Finished chain.

Reflexion：ReAct的自我反思扩展

Reflexion的核心思想

Reflexion是一个强化学习框架，由Shinn等人提出，它通过生成语言反馈（口头强化）帮助智能体从错误中学习，而非传统标量奖励。Reflexion模仿人类反思过程，让模型在尝试后获得具体改进建议，如"上次搜索范围太宽，下次更具体"。

Reflexion的三大组件

Reflexion构建在ReAct基础上，添加评估和反思机制，形成闭环：

• 参与者（Actor）：基于ReAct或CoT生成行动轨迹。
• 评估者（Evaluator）：对轨迹打分，判断成功或失败。
• 自我反思（Self-Reflection）：核心组件，生成语言反馈并存入长期记忆，指导下次行动。

工作流程：行动 → 评估 → 反思 → 迭代。通过滑动窗口记忆，Reflexion保留反思内容，实现持续优化。

示例：

任务： 清洗一个非常油腻的平底锅

Reflexion 通过行动、评估、反思和迭代来优化响应。假设初始尝试失败，然后通过反思改进。

初始行动轨迹（Actor 生成，基于 ReAct）： 思考 1：平底锅很油腻，需要简单清洗。 行动 1：执行[用冷水冲洗锅子；擦干] 观察 1：锅子仍有油渍。 评估（Evaluator）： 失败 - 锅子未完全清洁。 反思（Self-Reflection）： 上次尝试使用冷水无效，因为油渍需要热分解。下次应该搜索有效方法，包括热水的、洗洁精和小苏打，并详细列出步骤。存储到记忆：优先考虑热处理和去油剂。

迭代行动轨迹（Actor 使用记忆改进）： 思考 1：根据记忆，使用热水和去油剂。 行动 1：搜索[清洗油腻平底锅的详细步骤] 观察 1：步骤：1. 用热水浸泡；2. 添加洗洁精和小苏打；3. 用海绵擦洗顽固污渍；4. 冲洗并检查；5. 如有残留，重复。 思考 2：现在有详细步骤，可以执行。 行动 2：执行[上述步骤] 观察 2：锅子完全清洁。 评估（Evaluator）： 成功。

最终输出： 详细步骤包括热水浸泡、添加洗洁精和小苏打、擦洗、冲洗和检查。

适用场景与局限性

Reflexion适合需要试错学习的任务，如决策、推理和编程。它计算效率高，无需模型微调，提供详细反馈和高可解释性。但局限包括依赖评估准确性、简单记忆机制，以及在非确定性编程任务中的挑战。

ReAct与Reflexion的比较与结合

ReAct聚焦于即时推理-行动循环，适合实时任务；Reflexion扩展为学习闭环，强调从失败中迭代，适用于需要优化的场景。两者结合（如在Reflexion中使用ReAct作为Actor）可发挥最大潜力：ReAct提供基础机制，Reflexion添加反思层，提升长期性能。

在提示技术中，这种结合减少了幻觉、提高了准确性，并增强了模型的自适应能力。

详细区别分析

虽然 ReAct 和 Reflexion 在示例中看起来相似（如两者都涉及思考-行动循环），但它们在机制和应用上存在关键差异：

结合优势

在实践中，Reflexion 可以将 ReAct 作为其 Actor 组件，实现两者无缝结合：

• ReAct 提供基础的动态推理机制；
• Reflexion 添加评估、反思和记忆层；
• 结合后形成完整的"感知-行动-评估-学习"闭环；

总之，ReAct 提供基础的动态推理，而 Reflexion 通过添加评估、反思和记忆，将其提升为自适应学习系统。

性能比较

实验结果表明，Reflexion 在多种任务上都取得了显著的性能提升，与 ReAct 和其他方法相比：

• 决策任务 (AlfWorld)：性能显著优于 ReAct，几乎解决了所有测试任务。

Reflexion Heuristic (启发式评估)：本质上是一种简单、高效的硬编码逻辑（预先定义了一套成功或失败的规则，类似工程判断，快、便宜、黑白分明，但死板、僵化）

Reflexion GPT：使用一个强大的大语言模型（如 GPT-4）作为评估者（灵活智能、通用性强，但是贵）

• 推理任务 (HotPotQA)：在几个学习步骤内，其性能就显著优于标准的 CoT 方法。

• 编程任务 (HumanEval 等)：在 Python 和 Rust 代码生成任务上，通常优于之前的 SOTA (State-of-the-Art) 方法。

资料来源

Reflexion：Language Agents with Verbal Reinforcement Learning

https://arxiv.org/pdf/2303.11366

总结与未来方向

ReAct和Reflexion作为提示技术中的重要创新，为大语言模型在复杂任务中的应用提供了有效解决方案：

主要贡献

1. ReAct框架通过将推理和行动相结合，使模型能够与外部环境交互，获取实时信息，有效减少了模型幻觉问题。
2. Reflexion框架在ReAct基础上增加了评估和反思机制，形成了完整的"感知-行动-评估-学习"闭环，使模型能够从错误中学习并持续优化。
3. 两者的结合充分发挥了各自优势，既保证了即时响应能力，又具备了长期学习和优化的潜力。

应用前景

随着大语言模型技术的不断发展，ReAct和Reflexion将在以下领域发挥更大作用：

• 智能助手：构建更智能的个人和企业助手，能够处理复杂的多步骤任务；
• 自动编程：辅助开发者进行代码编写、调试和优化；
• 科学研究：协助研究人员进行文献检索、数据分析和假设验证；
• 教育培训：提供个性化的学习路径规划和知识答疑；

未来发展方向

1. 记忆机制优化：开发更智能的记忆管理机制，包括记忆的存储、检索和遗忘策略；
2. 评估器改进：设计更准确、更高效的评估器，减少误判对学习过程的影响；
3. 多模态集成：将ReAct和Reflexion与视觉、语音等多模态能力结合，扩展应用范围；
4. 个性化适应：根据用户偏好和历史交互记录，动态调整策略和行为模式；
5. 可解释性增强：进一步提高模型决策过程的透明度，增强用户信任；

通过持续的研究和优化，ReAct和Reflexion有望成为构建下一代智能系统的核心技术，推动人工智能在更多领域的深度应用。

说真的，这两年看着身边一个个搞Java、C++、前端、数据、架构的开始卷大模型，挺唏嘘的。大家最开始都是写接口、搞Spring Boot、连数据库、配Redis，稳稳当当过日子。

结果GPT、DeepSeek火了之后，整条线上的人都开始有点慌了，大家都在想：“我是不是要学大模型，不然这饭碗还能保多久？”

我先给出最直接的答案：一定要把现有的技术和大模型结合起来，而不是抛弃你们现有技术！掌握AI能力的Java工程师比纯Java岗要吃香的多。

即使现在裁员、降薪、团队解散的比比皆是……但后续的趋势一定是AI应用落地！大模型方向才是实现职业升级、提升薪资待遇的绝佳机遇！

这绝非空谈。数据说话

2025年的最后一个月，脉脉高聘发布了《2025年度人才迁徙报告》，披露了2025年前10个月的招聘市场现状。

AI领域的人才需求呈现出极为迫切的“井喷”态势

2025年前10个月，新发AI岗位量同比增长543%，9月单月同比增幅超11倍。同时，在薪资方面，AI领域也显著领先。其中，月薪排名前20的高薪岗位平均月薪均超过6万元，而这些席位大部分被AI研发岗占据。

与此相对应，市场为AI人才支付了显著的溢价：算法工程师中，专攻AIGC方向的岗位平均薪资较普通算法工程师高出近18%；产品经理岗位中，AI方向的产品经理薪资也领先约20%。

当你意识到“技术+AI”是个人突围的最佳路径时，整个就业市场的数据也印证了同一个事实：AI大模型正成为高薪机会的最大源头。

最后

我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。

我整理出这套 AI 大模型突围资料包【允许白嫖】：

• ✅从入门到精通的全套视频教程

• ✅AI大模型学习路线图（0基础到项目实战仅需90天）

• ✅大模型书籍与技术文档PDF

• ✅各大厂大模型面试题目详解

• ✅640套AI大模型报告合集

• ✅大模型入门实战训练

这份完整版的大模型 AI 学习和面试资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

①从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点

② AI大模型学习路线图（0基础到项目实战仅需90天）

全过程AI大模型学习路线

③学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

④各大厂大模型面试题目详解

⑤640套AI大模型报告合集

⑥大模型入门实战训练

👉获取方式：
有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓