写在前面
从 Transformer 到 LLM 的技术原理。你已经知道，大语言模型本质上是一个"预测下一个词"的概率机器。
但你每天用的 ChatGPT、Claude、Gemini，早已不只是"聊天"了——它们能帮你搜索信息、写代码并运行、操作浏览器下单购物、甚至直接控制你的电脑完成工作。
从"能聊天"到"能做事"，这中间发生了什么？
这篇文章会带你理解这个进化过程中的每一个关键技术节点：思维链、工具调用、RAG、Agent 架构、UI Agent，以及它们如何组合成今天你看到的 AI 智能体。
第一章：LLM 的原始困境——聪明但无能
1.1 一个只会说话的大脑
2022 年底 ChatGPT 发布时，它震惊了世界。但冷静下来你会发现，它有几个致命的短板：
| 短板 | 表现 |
|---|---|
| 没有记忆 | 不知道今天是几号，不记得上次聊了什么 |
| 没有知识更新 | 训练数据有截止日期，不知道最新发生的事 |
| 不会计算 | 问它 1234 × 5678，大概率算错 |
| 不能行动 | 不能发邮件、不能查数据库、不能操作任何外部系统 |
| 会编造事实 | 自信地胡说八道（幻觉问题） |
用一个比喻：LLM 是一个博学但被关在隔音房里的天才——它知道很多，但看不见外面的世界，也伸不出手去做任何事。
1.2 从 Chatbot 到 Agent 的核心问题
要让 LLM 从"聊天机器人"变成"能做事的智能体"，需要解决三个问题：
- 怎么让它更好地推理？ → 思维链（Chain of Thought）
- 怎么让它获取外部信息？ → RAG（检索增强生成）
- 怎么让它采取行动？ → 工具调用（Tool Use / Function Calling）
这三个能力叠加在一起，就构成了 Agent 的基础。
第二章：思维链——教 LLM "一步一步想"
2.1 问题：LLM 不擅长复杂推理
直接问 LLM 一个需要多步推理的问题，它经常出错：
问：Roger 有 5 个网球，他又买了 2 罐网球，每罐 3 个。他现在有几个网球？
答：11 个。 ← 错误！正确答案是 5 + 2×3 = 11... 等等，这个恰好对了
问：一个餐厅有 23 个苹果，用掉 20 个做午餐，又买了 6 个，现在有几个？
答：27 个。 ← 错误！正确答案是 23 - 20 + 6 = 9
LLM 倾向于直接"跳"到答案，跳过中间推理步骤，导致复杂问题频繁出错。
2.2 解决方案：Chain of Thought（CoT）
2022 年，Google 的 Jason Wei 等人发表了开创性论文 Chain-of-Thought Prompting Elicits Reasoning in Large Language Models，提出了一个极其简单但效果惊人的方法：
在提示中加入推理步骤的示例，让模型学会"一步一步想"。
标准提示：
问：一个餐厅有 23 个苹果，用掉 20 个做午餐，又买了 6 个，现在有几个？
答：27 个。 ← 错误
思维链提示：
问：一个餐厅有 23 个苹果，用掉 20 个做午餐，又买了 6 个，现在有几个？
答：餐厅最初有 23 个苹果。
用掉 20 个后剩下 23 - 20 = 3 个。
又买了 6 个，所以现在有 3 + 6 = 9 个。
答案是 9 个。 ← 正确！
更神奇的是，后来研究者发现只需要在提示末尾加一句 "Let's think step by step"（让我们一步一步想），就能显著提升推理准确率。这就是 Zero-shot Chain of Thought（Kojima et al., 2022）。
2.3 为什么思维链有效？
思维链的本质是：把一个复杂问题分解成多个简单的子步骤，每个子步骤都在 LLM 的能力范围内。
LLM 不擅长一步到位地解决复杂问题，但它擅长做简单的单步推理。思维链就是利用了这一点——让模型自己生成中间步骤，每一步都降低了难度。
2.4 从 CoT 到 Agent 的推理能力
思维链是 Agent 推理能力的基石。后来的所有 Agent 框架，都依赖模型"先想清楚再行动"的能力：
- ReAct（Reasoning + Acting）：交替进行推理和行动
- Tree of Thoughts：探索多条推理路径
- Reflection：对自己的推理结果进行反思和修正
第三章：工具调用——给 LLM 一双手
3.1 关键突破：让模型自己决定调用什么工具
2023 年 2 月，Meta 发表了 Toolformer: Language Models Can Teach Themselves to Use Tools，证明 LLM 可以自主学会在生成文本的过程中调用外部工具（计算器、搜索引擎、翻译 API 等）。
2023 年 6 月，OpenAI 正式发布了 Function Calling 功能，这是工具调用走向产品化的标志性事件。开发者可以向模型描述可用的函数，模型会智能地决定是否调用、调用哪个、传什么参数。
3.2 工具调用的工作原理
用户："北京今天天气怎么样？"
┌─────────────────────────────────────────────────┐
│ LLM 内部推理： │
│ "用户问天气，我自己不知道实时天气， │
│ 但我有一个 get_weather 工具可以用。" │
│ │
│ LLM 输出（不是文字，而是一个工具调用请求）： │
│ { │
│ "tool": "get_weather", │
│ "arguments": {"city": "北京"} │
│ } │
└─────────────────────────────────────────────────┘
↓
系统执行工具，获取结果：
{"temperature": "22°C", "condition": "晴"}
↓
结果返回给 LLM
↓
┌─────────────────────────────────────────────────┐
│ LLM 基于工具结果生成最终回答： │
│ "北京今天天气晴朗，气温 22°C，适合出行。" │
└─────────────────────────────────────────────────┘
关键点：模型自己决定要不要调用工具、调用哪个工具、传什么参数。 这不是硬编码的 if-else 逻辑，而是模型基于语义理解做出的判断。
3.3 工具调用 = LLM 的"手"
有了工具调用，LLM 的能力边界被彻底打开：
| 工具 | 能力 |
|---|---|
| 搜索引擎 | 获取实时信息，解决知识截止问题 |
| 计算器/代码解释器 | 精确计算，解决数学不可靠问题 |
| 数据库查询 | 访问企业内部数据 |
| 文件读写 | 操作本地文件系统 |
| Shell 命令 | 执行系统操作 |
| API 调用 | 与任何外部服务交互 |
| 浏览器 | 访问和操作网页 |
第四章：RAG——给 LLM 一个外部大脑
4.1 问题：LLM 的知识是"冻结"的
LLM 的知识来自训练数据，训练完成后就"冻结"了。它不知道：
- 今天的新闻
- 你公司内部的文档
- 最新发布的技术文档
- 任何训练数据截止日期之后的信息
而且即使是训练数据中包含的知识，模型也可能记错或编造（幻觉问题）。
4.2 RAG 的核心思想
2020 年，Meta（当时的 Facebook AI Research）的 Patrick Lewis 等人发表了开创性论文 Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks，提出了 RAG（检索增强生成）的概念。
RAG 的核心思想极其简单：先搜索，再回答。
传统 LLM：
用户提问 → LLM 凭记忆回答 → 可能出错或过时
RAG：
用户提问 → 先从知识库中检索相关文档 → 把文档和问题一起交给 LLM → 基于真实文档回答
4.3 RAG 的工作流程
┌──────────────┐
│ 知识库 │
│ (文档、网页、 │
│ 数据库等) │
└──────┬───────┘
│
① 离线索引
(把文档切块，
转成向量存储)
│
▼
用户提问 ──→ ② 检索 ──→ 向量数据库 ──→ 返回最相关的文档片段
│
▼
③ 把问题 + 检索到的文档
一起发给 LLM
│
▼
④ LLM 基于文档内容
生成有据可查的回答
四个步骤详解：
① 离线索引（Indexing）
把知识库中的文档切成小块（通常几百字一块），用 Embedding 模型把每块文本转成向量，存入向量数据库。
② 检索（Retrieval）
用户提问时，把问题也转成向量，在向量数据库中找到最相似的文档块（通常取 Top-K，比如最相关的 5 个片段）。
③ 增强（Augmentation）
把检索到的文档片段和用户的原始问题拼接在一起，作为 LLM 的输入上下文。
④ 生成（Generation）
LLM 基于提供的文档内容生成回答，而不是凭"记忆"回答。
4.4 RAG 解决了什么问题？
| 问题 | RAG 如何解决 |
|---|---|
| 知识过时 | 知识库可以随时更新，不需要重新训练模型 |
| 幻觉 | 回答基于检索到的真实文档，可以引用来源 |
| 领域知识缺失 | 可以接入企业内部文档、专业数据库 |
| 成本 | 比重新训练或微调模型便宜得多 |
4.5 RAG 的局限与演进
RAG 并非万能。检索质量直接决定回答质量——如果检索到的文档不相关，LLM 的回答也会跑偏。
近年来 RAG 技术持续演进：
- Advanced RAG：查询改写、重排序、多轮检索
- Graph RAG：微软提出的基于知识图谱的 RAG（From Local to Global: A Graph RAG Approach, 2024）
- Agentic RAG：让 Agent 自主决定何时检索、检索什么、是否需要多次检索
NVIDIA 对 RAG 有一篇很好的科普文章：What Is Retrieval-Augmented Generation aka RAG。
第五章：Agent 架构——把推理、工具、知识组合起来
5.1 什么是 Agent？
Agent（智能体）的定义很简单：一个能够感知环境、自主推理、并采取行动来完成目标的系统。
在 LLM 的语境下：
Agent = LLM（大脑）
+ 工具（手）
+ 知识/记忆（外部大脑）
+ 规划能力（思考策略）
+ 行动循环（感知-思考-行动的循环）
5.2 ReAct：Agent 的奠基性框架
2022 年，Shunyu Yao 等人发表了 ReAct: Synergizing Reasoning and Acting in Language Models，提出了 ReAct 框架。这篇论文是 LLM Agent 领域最重要的奠基性工作之一。
ReAct 的核心思想：让模型交替进行"推理"（Reasoning）和"行动"（Acting）。
用户问题："2024 年奥斯卡最佳影片的导演还导过什么电影？"
Thought 1: 我需要先查 2024 年奥斯卡最佳影片是什么。
Action 1: search("2024 Oscar Best Picture")
Observation 1: 2024 年奥斯卡最佳影片是《奥本海默》(Oppenheimer)
Thought 2: 《奥本海默》的导演是克里斯托弗·诺兰。我需要查他的其他作品。
Action 2: search("Christopher Nolan filmography")
Observation 2: 诺兰的作品包括《盗梦空间》《星际穿越》《蝙蝠侠》三部曲……
Thought 3: 我现在有足够的信息来回答了。
Answer: 2024 年奥斯卡最佳影片《奥本海默》的导演是克里斯托弗·诺兰，
他还导演了《盗梦空间》《星际穿越》《蝙蝠侠》三部曲等作品。
这个 Thought → Action → Observation 的循环，就是几乎所有现代 Agent 的基本模式。Google Research 也发表了一篇博客详细介绍了这个范式：ReAct: Synergizing Reasoning and Acting in Language Models。
5.3 Agent Loop：万变不离其宗的核心循环
无论 Agent 框架多复杂，核心都是同一个循环：
用户输入
↓
┌──────────────┐
│ │
│ LLM 推理 │ ← 系统提示 + 工具描述 + 历史消息
│ │
└──────┬───────┘
│
模型返回的是什么？
/ \
工具调用请求 纯文本回答
│ │
执行工具， 返回给用户
把结果加入消息 （循环结束）
│
回到 LLM 继续推理
（循环继续）
这个循环用 Python 表达只需要十几行代码：
def agent_loop(messages, tools):
while True:
response = llm.chat(messages, tools=tools)
messages.append(response)
if response.stop_reason != "tool_use":
return response.text # 纯文本，结束
# 执行工具调用
for tool_call in response.tool_calls:
result = execute_tool(tool_call)
messages.append(tool_result(result))
# 继续循环
模型决定何时调用工具、何时停止。代码只负责执行模型的决定。 这就是 Agent 的本质——智能来自模型，代码只是提供执行环境。
5.4 主流 Agent 框架一览
| 框架 | 开发者 | 特点 | 链接 |
|---|---|---|---|
| LangChain | LangChain Inc. | 最早的 LLM 应用框架，生态丰富 | langchain.com |
| LlamaIndex | LlamaIndex | 专注 RAG 和数据连接 | llamaindex.ai |
| smolagents | Hugging Face | 极简 Agent 框架，用代码作为行动 | huggingface.co/blog/smolag… |
| AutoGen | Microsoft | 多 Agent 对话框架 | github.com/microsoft/a… |
| CrewAI | CrewAI | 多 Agent 协作，角色扮演模式 | crewai.com |
5.5 MCP：Agent 工具调用的"USB-C"标准
2024 年 11 月，Anthropic 发布了 Model Context Protocol（MCP），一个开源的标准协议，用于标准化 AI 模型与外部工具和数据源之间的连接方式。
MCP 的意义在于：在 MCP 之前，每个 Agent 框架都有自己的工具接口格式，互不兼容。MCP 提供了一个统一标准，就像 USB-C 统一了设备接口一样。
MCP 之前：
Agent A ──自定义格式──→ 工具 1
Agent B ──另一种格式──→ 工具 1（需要重新适配）
Agent C ──又一种格式──→ 工具 1（又要重新适配）
MCP 之后：
Agent A ─┐
Agent B ─┼── MCP 协议 ──→ MCP Server（工具 1）
Agent C ─┘
开发者只需要把工具封装成 MCP Server，任何支持 MCP 的 Agent 都能直接使用。
第六章：UI Agent——让 AI 像人一样操作电脑
6.1 什么是 UI Agent？
前面讲的工具调用，本质上是通过 API（应用程序接口）与外部系统交互。但世界上绝大多数软件并没有 API——它们只有图形用户界面（GUI）。
UI Agent（也叫 Computer Use Agent / CUA）的思路完全不同：不通过 API，而是像人一样，通过"看屏幕"和"操作鼠标键盘"来使用软件。
传统工具调用（API 方式）：
Agent → 调用 send_email(to="xxx", body="xxx") → 邮件发送成功
UI Agent（GUI 方式）：
Agent → 看到屏幕上的 Gmail 界面
→ 点击"撰写"按钮
→ 在收件人框输入地址
→ 在正文框输入内容
→ 点击"发送"
→ 确认邮件已发送
6.2 UI Agent 的技术原理
UI Agent 的核心是视觉语言模型（VLM）——既能理解文字，又能理解图像的模型。
工作循环：
① 截取当前屏幕截图
↓
② 把截图 + 任务描述发给 VLM
↓
③ VLM 分析屏幕内容，决定下一步操作
输出：{"action": "click", "x": 450, "y": 320}
或： {"action": "type", "text": "Hello World"}
或： {"action": "scroll", "direction": "down"}
↓
④ 执行操作
↓
⑤ 截取新的屏幕截图 → 回到 ①
6.3 里程碑产品
Anthropic Claude Computer Use（2024 年 10 月）
Anthropic 是第一个将 Computer Use 作为产品级功能发布的公司。2024 年 10 月 22 日，他们发布了 Claude 3.5 Sonnet 的 Computer Use 功能，让 Claude 能够控制鼠标、键盘，像人一样操作电脑。详见 Anthropic 的技术博客：Developing a computer use model。
OpenAI Operator / CUA（2025 年 1 月）
2025 年 1 月 23 日，OpenAI 发布了 Operator，一个基于 Computer-Using Agent（CUA）模型的浏览器 Agent。CUA 结合了 GPT-4o 的视觉能力和强化学习训练，能够自主浏览网页、填写表单、下单购物。技术细节见：Computer-Using Agent。
Google Project Mariner（2024 年 12 月）
Google 在 2024 年 12 月 11 日发布了 Project Mariner，一个基于 Gemini 2.0 的浏览器 Agent，作为 Chrome 扩展运行，能够自主导航网页、搜索信息、完成在线任务。
6.4 UI Agent vs API Agent：对比
| 维度 | API Agent | UI Agent |
|---|---|---|
| 交互方式 | 调用程序接口 | 看屏幕 + 操作鼠标键盘 |
| 速度 | 快（毫秒级） | 慢（需要截图、分析、操作） |
| 可靠性 | 高（结构化输入输出） | 较低（UI 可能变化） |
| 覆盖范围 | 仅限有 API 的系统 | 理论上能操作任何软件 |
| 成本 | 低 | 高（每步都需要视觉推理） |
| 适用场景 | 有 API 的系统优先用 API | 没有 API 的遗留系统、复杂 GUI 操作 |
最佳实践：能用 API 就用 API，API 覆盖不到的地方用 UI Agent 补充。 这也是为什么 Anthropic 的 Claude 同时支持 Tool Use（API 方式）和 Computer Use（GUI 方式）。
6.5 UI Agent 的评测基准
UI Agent 的能力如何衡量？学术界建立了多个基准测试：
- OSWorld（NeurIPS 2024）：369 个真实桌面操作系统任务，涵盖 Web、桌面应用、文件操作等，是目前最全面的桌面 Agent 基准
- WebVoyager（ACL 2024）：643 个真实网站上的端到端 Web 任务
- SWE-bench（arXiv 2023）：2294 个真实 GitHub Issue，测试 AI 能否自主修复代码
第七章：编码 Agent——最成熟的 Agent 应用
7.1 为什么编码是 Agent 的最佳落地场景？
编码任务天然适合 Agent：
- 环境完全数字化：文件系统、终端、编辑器，全部可以通过工具访问
- 反馈即时明确：代码能不能运行、测试过不过，有客观标准
- LLM 天然擅长代码：训练数据中有海量开源代码
- 工具链成熟：编译器、测试框架、Linter 都是现成的
7.2 编码 Agent 的典型工作流
用户："帮我给这个项目添加用户登录功能"
Agent 的工作流程：
① 读取项目结构和现有代码（感知）
② 制定实现计划（推理）
- 创建用户模型
- 实现注册/登录 API
- 添加认证中间件
- 编写测试
③ 逐步实现每个子任务（行动）
- 读取相关文件
- 编写新代码
- 运行测试
- 修复错误
- 重复直到测试通过
④ 提交代码（完成）
7.3 代表性产品
| 产品 | 类型 | 特点 |
|---|---|---|
| Claude Code (Anthropic) | CLI Agent | 终端中运行，直接操作文件系统和 Shell |
| GitHub Copilot Agent | IDE 集成 | 在 VS Code 中自主完成编码任务 |
| Cursor | AI IDE | 整个 IDE 围绕 AI Agent 设计 |
| Devin (Cognition) | 全栈 Agent | 号称"AI 软件工程师"，有自己的开发环境 |
| SWE-agent (Princeton) | 研究框架 | 专为 SWE-bench 设计的开源 Agent |
Claude Code 是编码 Agent 中 harness 工程的典范——它不试图替代模型的智能，而是为模型提供最好的工具、知识和执行环境。这也是 learn-claude-code 项目详细拆解其架构的原因。
第八章：多 Agent 系统——从单兵作战到团队协作
8.1 为什么需要多个 Agent？
单个 Agent 的上下文窗口有限，处理复杂任务时容易"迷失"。解决方案是：把大任务拆分给多个专门的 Agent，各自负责一部分。
Lead Agent（主 Agent）
├── Coder Agent（写代码）
├── Reviewer Agent（审查代码）
├── Tester Agent（编写和运行测试）
└── Docs Agent（写文档）
8.2 多 Agent 协作的关键挑战
| 挑战 | 解决方案 |
|---|---|
| Agent 之间怎么通信？ | 消息队列、共享文件、异步邮箱 |
| 怎么分配任务？ | 主 Agent 分配 或 Agent 自主认领 |
| 怎么避免冲突？ | 每个 Agent 在独立的工作目录（worktree）中操作 |
| 怎么保证一致性？ | 任务依赖图、状态同步 |
8.3 从单 Agent 到多 Agent 的演进路径
这正是 learn-claude-code 项目 s01-s12 的教学路径：
s01-s02: 单 Agent + 工具 （一个人干活）
s03-s06: 规划 + 知识 + 上下文管理 （一个人更聪明地干活）
s07-s08: 任务系统 + 后台执行 （一个人同时干多件事）
s09-s12: 多 Agent 协作 + 隔离执行 （一个团队协作干活）
第九章：全景图——从 LLM 到 Agent 的完整进化链
2020 RAG 论文发表（Lewis et al.）
│ └── LLM 可以基于外部知识回答问题
│
2022 Chain of Thought（Wei et al.）
│ └── LLM 学会"一步一步想"
│
2022 ReAct（Yao et al.）
│ └── 推理和行动交替进行，Agent 范式诞生
│
2023 Toolformer（Schick et al., Meta）
│ └── LLM 自主学会使用工具
│
2023 OpenAI Function Calling
│ └── 工具调用产品化，开发者可以给 GPT 接工具
│
2023 GPT-4V / Gemini（多模态）
│ └── LLM 能"看"图片，为 UI Agent 奠基
│
2024 Anthropic Claude Computer Use
│ └── 第一个产品级 UI Agent，AI 能操作电脑
│
2024 Anthropic MCP 协议
│ └── 工具调用标准化，Agent 生态互通
│
2024 Google Project Mariner
│ └── 浏览器 Agent，AI 能自主上网
│
2025 OpenAI Operator / CUA
│ └── 浏览器 Agent 产品化
│
2025 编码 Agent 爆发（Claude Code, Copilot Agent, Cursor...）
│ └── Agent 在软件工程领域率先落地
│
▼
未来：Agent 进入更多领域
（医疗、法律、教育、制造、农业……）
第十章：Agent 的未来与挑战
10.1 当前的核心挑战
| 挑战 | 现状 |
|---|---|
| 可靠性 | Agent 在复杂任务上仍会犯错，需要人类监督 |
| 安全性 | Agent 能执行操作意味着能造成破坏，权限控制至关重要 |
| 成本 | 每次推理都消耗 Token，复杂任务可能需要数百次 LLM 调用 |
| 延迟 | 多步推理 + 工具调用，完成一个任务可能需要几分钟 |
| 评测 | 缺乏统一的 Agent 能力评测标准 |
10.2 发展趋势
- 从对话式到主动式：Agent 不再等你提问，而是主动发现问题并解决（心跳机制、定时任务）
- 从单模态到多模态：同时理解文字、图像、视频、音频
- 从单 Agent 到 Agent 社会：多个 Agent 组成团队，分工协作
- 从云端到端侧：Agent 运行在手机、电脑本地，保护隐私
- 从通用到垂直：针对特定行业（医疗、法律、金融）深度优化
10.3 一句话总结
LLM 是大脑，工具是手，RAG 是外部记忆，思维链是思考方式，Agent Loop 是行为模式。把这些组合在一起，聊天机器人就变成了能帮你做事的智能体。
参考文献
- Wei, J. et al. (2022). Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. NeurIPS 2022. arxiv.org/abs/2201.11…
- Kojima, T. et al. (2022). Large Language Models are Zero-Shot Reasoners. NeurIPS 2022. arxiv.org/abs/2205.11…
- Yao, S. et al. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. ICLR 2023. arxiv.org/abs/2210.03…
- Schick, T. et al. (2023). Toolformer: Language Models Can Teach Themselves to Use Tools. NeurIPS 2023. arxiv.org/abs/2302.04…
- Lewis, P. et al. (2020). Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks. NeurIPS 2020. arxiv.org/abs/2005.11…
- Edge, D. et al. (2024). From Local to Global: A Graph RAG Approach. arxiv.org/abs/2404.16…
- OpenAI. (2023). Function calling and other API updates. openai.com/blog/functi…
- Anthropic. (2024). Developing a computer use model. anthropic.com/research/de…
- Anthropic. (2024). Introducing the Model Context Protocol. anthropic.com/news/model-…
- OpenAI. (2025). Introducing Operator. openai.com/index/intro…
- OpenAI. (2025). Computer-Using Agent. openai.com/index/compu…
- Google. (2024). A new AI model for the agentic era (Gemini 2.0 / Project Mariner). blog.google
- Xie, T. et al. (2024). OSWorld: Benchmarking Multimodal Agents for Open-Ended Tasks in Real Computer Environments. NeurIPS 2024. arxiv.org/abs/2404.07…
- He, Z. et al. (2024). WebVoyager: Building an End-to-End Web Agent with Large Multimodal Models. ACL 2024. arxiv.org/abs/2401.13…
- Jimenez, C.E. et al. (2023). SWE-bench: Can Language Models Resolve Real-World GitHub Issues? arxiv.org/abs/2310.06…
- NVIDIA. What Is Retrieval-Augmented Generation aka RAG. blogs.nvidia.com
- Hugging Face. (2024). smolagents: simple agents that write actions in code. huggingface.co/blog/smolag…
- Google AI Blog. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. ai.googleblog.com
