咱就是说ReAct工作模式在agent实战中的应用，真的是一门大学问哈。

ReAct是什么呢？简单来说就是Reasoning + Acting，先想一下然后决定Zuo什么接着调工具查数据，Zui后根据结果继续想，直到给出结论。

话不多说我们开始

ReAct的核心机制就是Thought / Action / Observation这个循环，你Ke以理解为：模型思考下一步要Zuo什么然后执行这个动作，接着观察结果，再继续思考下一步。

Thought: 当前思考 Action: 要调用哪个工具 Observation: 工具返回结果 Final Answer: Zui终排查报告

这就是典型的 ReAct 执行链路

要让模型按照ReAct的格式输出，我们需要通过prompt来规范它的行为。

比如说我们Ke以这样约束它：

你必须严格按照以下格式输出： Thought: 你的思考过程，分析当前情况并决定下一步Zuo什么 Action: 要调用的工具和参数，例如：check_alarm_platform Observation: 或者，当你认为Yi经收集到足够信息时： Thought: 我Yi经收集到足够的信息，Ke以得出结论了 Final Answer: 完整的故障排查报告，包括故障现象、根因定位、解决方案

哈哈，这样一来模型就知道该怎么输出了。

当模型输出action:后代码会解析action内容，然后调用对应工具。

比如说Ru果模型输出Action: check_alarm_platform，那么程序就会调用check_alarm_platform这个工具，并且传入service="order-service"这个参数。

if "check_alarm_platform" in action_part: service = "order-service" if 'service="' in action_part: start = action_part.find + len end = action_part.find service = action_part observation = check_alarm_platform

说实话，这部分的代码还是挺关键的，因为它决定了模型NengZuo什么不NengZuo什么。

ReAct模式Zui大的优势在于，它Ke以让模型基于观察结果继续推理，直到得出结论。

举个例子，Ru果我们要排查一个线上故障，我们Ke以先让模型查一下告警平台，然后根据告警信息继续分析下一步要Zuo什么。

Thought: 我应该先查一下告警平台 Action: check_alarm_platform

程序执行工具获取数据后把结果作为Observation回给模型：

Observation: 订单服务 5xx 错误率过高...

下一轮模型就Ke以基于这个事实继续推理，不断循环，直至大模型Yi经得出排查完成，或者达到Zui大轮次。

这个问题啊，其实有hen多原因，比如说文章质量不够高，或者关键词优化没Zuo好等等，你得好好检查检查你的文章了。

一般来说百度不收录可Neng是因为内容不够优质或原创性不够，亦或是你的网站权重太低，导致爬虫不愿意来访，说实话，这dou是有可Neng的，你得对症下药才行哈！

总的来说ReAct模式是一种非常强大的agent工作模式，它Ke以让模型自主地进行故障排查、数据分析等任务，只要我们约束好模型的输出，并且提供合适的工具和参数，就Ke以让它发挥出巨大的价值。

true生产环境要加审计，Ru果 agent 真要接线上系统，建议每次运行dou记录：用户输入、模型的思考过程、执行的动作、观察结果等等，这些dou是hen重要的信息。

limit: int =

,这也是好习惯，不要把几万行日志直接塞给模型，geng合理的Zuo法是限制返回的结果数量啥的，总之别给模型太大的压力哈！

Nginx 日志查询也是同样的道理，得有限制，不然日志太多，处理起来就蛋疼了你懂的！其他一些需要注意的点

true实生产环境中，还需要考虑敏感数据加密、权限控制等问题，毕竟线上系统dou是hen敏感的，不Neng随便乱搞哈！

,低温度geng适合排障，因为这样模型的输出会geng加稳定，不会胡思乱想，当然这取决于你的具体场景和需求了。

,Zui后一点是证据链的问题，Zui终报告里必须包含关键证据，不然就没法证明你的结论是对的，说实话，这点非常重要！）故障现象）影响范围）关键证据）根因判断）临时止血方案）长期修复建议）不确定项 / 需要继续确认的点,这些dou是Zui终报告里应该包含的内容。