🎯 Definicja
ReAct to technika, która zmienia LLM z “gadatliwego bota” w “działającego agenta”. Model nie tylko odpowiada na pytania, ale potrafi używać narzędzi (Wyszukiwarka, Kalkulator, API), żeby zdobyć informacje potrzebne do odpowiedzi.
🔑 Kluczowe punkty
- Pętla: Myśl (Thought) → Działanie (Action) → Obserwacja Wyniku (Observation) → Myśl…
- Autonomia: Model sam decyduje, kiedy użyć narzędzia.
- Fundament Agentów: To podstawa działania AutoGPT czy LangChain Agents.
📚 Szczegółowe wyjaśnienie
Zamiast pytać modelu: “Jaka jest pogoda w Warszawie?”, gdzie model zgaduje. Używasz ReAct. Model myśli:
- Thought: Nie znam pogody. Muszę użyć wyszukiwarki.
- Action:
Search("Pogoda Warszawa") - Observation: (System zwraca: “15 stopni, słonecznie”).
- Thought: Mam informację. Mogę odpowiedzieć.
- Answer: “W Warszawie jest 15 stopni i słońce.”
💡 Przykład zastosowania
Asystent Zakupowy. Użytkownik: “Znajdź mi najtańszy iPhone 15.” Agent ReAct:
Search("iPhone 15 cena Ceneo")Search("iPhone 15 cena Allegro")- Thought: Ceneo ma za 3500, Allegro za 3600.
- Answer: “Najtańszy znalazłem na Ceneo za 3500 zł.”
📌 Źródła
- “ReAct: Synergizing Reasoning and Acting in Language Models”.
👽 Brudnopis
- ReAct łączy zalety Chain-of-Thought Prompting (rozumowanie) z dostępem do świata zewnętrznego.