这篇文章已收录至GitHub，推荐阅读 👉 Java随想录

微信公众号的观点是。Java随想录

传统聊天机器人很多人都用过——你问一句，它答一句。线性，简单，但遇到复杂问题就露馅了。比如问"特斯拉股价相比去年涨了多少"。它要么瞎编，要么说"我无法获取实时信息"。

2022年，Google Research提出了ReAct框架。它要解决的就是这个问题：让大模型像人一样。一边想一边做，做完再看结果，接着想接下来。话说回来，

ReAct的主要原理

先看个例子

想象你在一个陌生城市旅行。

说到早上醒来你想，今天天气怎么样？要不要带伞，话说回来，

你打开天气APP看了一眼——有阵雨。

于是你调整计划：上午去博物馆躲雨，晚上再去看夜景。

这个"想→做→看→再想"的过程，就是ReAct在做的事。

三个阶段

ReAct由三个部分构成：

思考分析当前问题，决定接下来做什么。老实说，比如"使用者问的是某国人口，我需要查数据"。

行动调用外部工具。输出格式类似search。

观察工具返回结果，成为下一轮思考的依据。比如{"population": ".4亿"}。

循环往复，直到任务完成。

什么时候停下来

再看两种方式。

• 硬限制设个最大迭代数，比如max_iterations=到了就强制结束。话说回来，
• 条件触发模型觉得自己很有把握了或者连续失败好几次就主动收手。

技术实现

工具怎么设计

说到三个原则，

• 原子性: 一个工具只做一件事。计算器就做计算，搜索就做搜索，别搞大而全。
• 强契约: 用JSON Schema定义清楚输入输出格式：

{
"name"的观点是，"get_wear","description": "查询指定城市的天气信息","parameters": {
"type"这方面。"object","properties": {
"location": {
至于"type"，"string","description": "城市名称，如北京、上海"
}
},"required":
}
}

• 安全第一: 删数据、转账这类敏感操作必须有权限控制。

提示词怎么写

ReAct提示包含四个部分：

• 要求模型展示思考过程。
• 工具可以用。
• 提示它在每个操作后重新评估。
• 设定循环退出条件。

< h3<="" p="">

The heading seems malformed;corrected:

从提示词到原生工具调用

早期做法是在提示词里格式化输出：

思考：我需要查询北京的天气
从行动来看。get_wear
观察的观点是，{"temperature": "℃","condition": "晴"}

The problem was obvious: 模型可能“废话连篇”，格式也可能乱套。

Actually correct:

原生工具调用,直接微调模型让它输出结构化JSON。稳定多了还能并行执行多个工具。

<>

当使用者问“北京天气怎么样”时LangChain4j 内部会：

1. 思考 ：模型分析问题，决定调用 getWear 工具。按理说，
2. 行动 ：执行 getWear 。
3. 观察 ：得到 “晴天。℃，空气质量良好”，
4. 再思考 ：模型结合天气数据，判断适合户外运动。
5. 最终答案 ：返回完整回答。

整个过程对开发者透明。你只需定义工具，剩下的交给框架。

<="">

模式	适用场景	特点
函数调用	OpenAI、Claude等支持工具调用的模型稳定可靠。直接输出结构化调用文本解析开源模型、不支持工具调用的模型通过提示词让模型输出 Action: xxx 格式，再解析

LangChain4j 会类型自动选择模式。如果你的模型支持函数调用，优先用这个——更稳定，不容易出错。不过，

为什么ReAct管用

Oops heading missing tags—fix:

减少胡说八道

...

Given time constraints。I'll present final corrected HTML without broken tags.

。

---