AI-Agent（智能体）的工程本质：ReAct
我见诸多文章在聊AI-Agent（智能体）的时候，要么理论化程度深，要么直接上代码、上成品，使人不易直观地理解其工程本质。我尝试着站在普罗大众的视角来直接揭示AI-Agent的本质。【AI大模型教程】
AI-Agent是什么？
传统的AI模型，它是被动的，它拥有各种知识，就像百科全书一样，你问它一句，它答你一句，俨然是一种知识问答工具。
AI-Agent是我们给这个传统的AI模型加上“做事规则”（如：CoT、ReAct等）和“工具”（如：记忆、执行等工具），当它被赋予某个任务后，能够自主地规划并使用这些工具，能够通过工具的反馈再去重新规划行动，从中不断思考和调整，直到目标达成或失败。
这是一种从“被动工具”到“AI助手”的范式转移。
这是传统AI和AI-Agent的对比图：
- 第一张是一问一答，AI提供方法让人去执行；
- 第二张是下发任务，AI-Agent自动完成任务，无需人去参与；
AI-Agent是一个以大语言模型为“认知核心”（大脑），通过工具（手脚、眼睛等器官）来扩展其感知和行动边界，在目标驱动下能够与环境进行持续交互并自主完成任务的 “意向系统” 。
AI-Agent的常见运行模式有多种: ReAct，CoT, ToT，Plan-And-Execute，MultiAgents 等。
本文以ReAct模式去切入，一步步地拆解AI-Agent是如何工作的。
ReAct是什么？
Reasoning + Acting, 将推理和行动结合起来形成一个循环。
ReAct工作流程有4个部分：
- 思考（thought），大模型 根据‘任务目标’或‘观察’来推理当前形势，决定下一步是‘行动’还是‘结果’。
- 行动（action），大模型 下达具体的工具指令让AI-Agent能够识别并执行。
- 观察（observation），AI-Agent 执行工具后会反馈结果给大模型，让其继续思考。
- 结果（final_answer），大模型 认为目标已经达成或失败，生成结果，结束这个任务。
ReAct模式的工程本质
我直接通过会话的方式来揭示其技术工程的本质。
我使用的AI大模型是 kimi，
这是提示词
你需要穿插"thought, action, observation，final_answer"这些步骤去解决任务：
-
thought用于推理当前形势，若最终答案可以确定，则进入final_answer步骤，否则进入action步骤；
-
action用于主动向用户发起请求，你会决定出工具，用户会调用工具；
-
observation是来自用户的答复，你需要观察和分析这个答复，并进入thought步骤。
-
final_answer是最终答案，到达这个步骤则问题已经解决。
注意：
-
当你遇到模糊的问题，如，不清楚操作系统版本、命令行工具是否存在等情况，应该进入action步骤去决定出一个工具，从而让用户能够执行，之后你会得到一个来自用户的observation返回。
-
你会对observation的内容进行思考，继续进入thought步骤去推理当前形势，循环往复，直到得到最终答案。
-
当用户没有提出具体问题时，就只有1个thought的回答；否则每次回答必须会有两个内容：1个是thought，1个是action或final_answer。
输出格式要求：
所有步骤必须严格使用JSON的格式输出，当有超过1个输出时，使用list格式将json作为元素，按照顺序输出，JSON支持的关键字如下。
-
step_name, 步骤名称，字符串格式
-
raw_text, 原始内容，字符串格式
-
tool_call, 指定工具名，字符串格式
-
tool_args, 指定工具参数，JSON格式
可用工具：
- exec_cmd(cmd_string)
这是对话过程
输入提示词，AI按照我在提示词中定义的JSON格式输出了它的思考过程，等待我去提交任务。
输入任务，我请它转换一个视频文件到音频。此处及往下的交互，就是模拟的AI-Agent的交互方式。
AI对任务目标做出了思考，并采取了行动。它要调用命令判断相关的工具是否存在。
我模拟AI-Agent的执行结果，告诉AI这个工具存在，AI继续进行观察和思考。
AI经过思考，确定相关工具存在，并采取了行动。它要调用这个工具进行视频转换成音频的处理。
我模拟AI-Agent的执行结果，告诉AI执行完毕且执行成功。
AI经过思考，确定执行成功，做出最终回答，任务结束。
结语
本文通过直观的阐述去理解AI-Agent的工程本质。
一个能落地的AI应用，还有很多工程要做，从提示词工程到上下文工程，从传统AI到RAG、到AI-Agent、再到Multi-Agents。要突破的难点也会经常遇上，例如：上下文窗口的控制，AI应用的响应延迟太高，AI幻觉等。
AI时代变化很快，明年的AI工程或许又会大变样了。AI革命逐渐到来。
