Идея ReAct: мысль → действие → наблюдение

ReAct — самый влиятельный паттерн агентов. Он связывает «думать» и «делать» в один чередующийся цикл.

ReAct (Reasoning + Acting) — паттерн, в котором агент на каждом шаге сначала рассуждает вслух (Thought), затем выполняет действие (Action) и получает наблюдение (Observation), и так до ответа.

Две крайности и золотая середина

До ReAct были два полюса:

• Только рассуждение (chain-of-thought) — модель думает вслух, но не может проверить мысль в мире. Если она ошиблась в факте, рассуждение лишь красиво ведёт к неверному ответу.
• Только действие — модель дёргает инструменты без объяснений. Трудно понять, почему она выбрала именно этот шаг, и легко уйти не туда.

ReAct объединяет оба: думать, чтобы выбрать шаг, и действовать, чтобы проверить мысль фактом. Рассуждение направляет действия, а наблюдения корректируют рассуждение.

Три типа шагов

Цикл повторяет эту тройку, пока модель не выдаст финальный ответ.

Как выглядит трасса ReAct

Для задачи «сколько будет 15% от 240?» трасса могла бы выглядеть так (это текст, который порождает и читает модель):

Question: Сколько будет 15% от 240?
Thought: мне нужно посчитать 240 * 0.15, использую калькулятор.
Action: calc[240 * 0.15]
Observation: 36.0
Thought: получилось 36, это и есть ответ.
Final Answer: 36

Обратите внимание: мысль предшествует действию и объясняет его, а наблюдение возвращается в рассуждение. Эта структура — и для модели (думать по шагам), и для нас (видно, что происходит).

Имитация одного оборота

Покажем тройку «мысль → действие → наблюдение» на заглушке, без парсинга формата (его разберём в следующем уроке).

def calc(expr):
    return str(eval(expr))

# один оборот ReAct
thought = "нужно посчитать 240 * 0.15"
print("Thought:", thought)

action_arg = "240 * 0.15"
print("Action: calc[" + action_arg + "]")

observation = calc(action_arg)
print("Observation:", observation)

print("Final Answer:", observation)

Вывод:

Thought: нужно посчитать 240 * 0.15
Action: calc[240 * 0.15]
Observation: 36.0
Final Answer: 36.0

Почему это так влиятельно

• Рассуждение делает выбор инструмента осмысленным, а не случайным.
• Наблюдения «заземляют» модель в реальности — она реже выдумывает.
• Трасса прозрачна: по ней видно ход мысли и легко отлаживать.
• Паттерн универсален: работает с любыми инструментами и моделями.

Итог

• ReAct чередует рассуждение (Thought), действие (Action) и наблюдение (Observation) в одном цикле.
• Он сильнее, чем «только думать» или «только действовать»: мысль направляет шаг, наблюдение правит мысль.
• Трасса ReAct прозрачна и универсальна — потому паттерн лёг в основу большинства агентов.