ReAct Prompting

يُعد التوجيه التفاعلي ReAct (الاستدلال والعمل) نموذجًا متطورًا لـ هندسة التوجيه يتيح لـ نماذج اللغات الكبيرة (LLMs) تبادل مسارات الاستدلال خطوة بخطوة ديناميكيًا مع الإجراءات الخاصة بالمهمة. تم تقديم هذه التقنية في الورقة البحثية الأكاديمية المؤثرة لعام 2022 "ReAct: Synergizing Reasoning and Acting in Language Models"، وهي تحول نموذج اللغة الثابت إلى وكيل ذكاء اصطناعي تفاعلي. من خلال توليد أفكار بوضوح حول مشكلة ما وتنفيذ إجراءات استرجاع معلومات خارجية، يحسن إطار عمل ReAct بشكل ملحوظ من الدقة الواقعية وقدرات اتخاذ القرار في سير عمل الذكاء الاصطناعي المعقدة.

آليات الاستدلال والعمل#

في التفاعلات التقليدية، يولد النموذج استجابة تعتمد بالكامل على معرفته الداخلية، مما يؤدي غالباً إلى هلوسات في نماذج اللغات الكبيرة. تحل بنية ReAct هذه المشكلة عن طريق تثبيت الذكاء الاصطناعي في بيئات خارجية باستخدام حلقة مستمرة من الأفكار والإجراءات والملاحظات.

عند مواجهة استعلام، يولد النموذج أولاً "فكراً" لتحديد استراتيجيته. ثم يطلق "إجراءً"، مثل الاستعلام عن محرك بحث، أو التفاعل مع قاعدة بيانات، أو استدعاء واجهة برمجة تطبيقات للرؤية من خلال مفهوم يُعرف بـ استدعاء الوظائف. تعود البيئة بـ "ملاحظة" توفر بيانات واقعية. يُقيم النموذج هذه المعلومات الجديدة، ويحدث استدلاله، ويكرر الدورة حتى يصل إلى الإجابة النهائية. تنعكس هذه المنهجية، المفصلة أكثر في دليل هندسة التوجيه على ReAct، على حل المشكلات البشري وتنشئ سلوكيات وكيلة عالية الشفافية والتحكم.

تطبيقات العالم الحقيقي#

يتفوق التوجيه التفاعلي ReAct في السيناريوهات التي تتطلب حل المشكلات التكراري واستخدام الأدوات متعددة الخطوات، مما يجعله أساسياً لـ أنظمة الذكاء الاصطناعي الوكيلية الحديثة.

• وكلاء دعم العملاء الآليون: في بيئات المؤسسات، يستخدم وكلاء مكتب المساعدة لتقنية المعلومات ReAct لحل مشكلات المستخدمين. إذا أبلغ المستخدم عن انقطاع الشبكة، يستنتج الوكيل أنه بحاجة إلى التحقق من حالة الخادم. وهو يتصرف عن طريق عمل اختبار اتصال لواجهة برمجة تطبيقات التشخيص، ويلاحظ النتيجة، ثم إما يصعد التذكرة أو يوفر دليلاً استكشافياً استناداً إلى الحقائق المسترجعة، مما يبسط خطوط أنابيب التوليد المعزز بالاسترجاع (RAG) التقليدية.
• التحليل البصري الديناميكي: تستفيد أنظمة رؤية الكمبيوتر من ReAct للإجابة على الأسئلة المرئية المعقدة. قد يلاحظ الوكيل الروبوتي المكلف بإدارة المخزون رفاً، ويستنتج أنه بحاجة إلى عد عناصر معينة، ويتصرف عن طريق استدعاء نموذج اكتشاف الكائنات، ويستخدم بيانات صندوق الإحاطة العائد لإنهاء عدده. يربط هذا التآزر الفجوة بين الاستدلال القائم على النص والفهم المكاني.

تنفيذ ReAct مع الرؤية الحاسوبية#

للمطورين الذين يستخدمون Python، غالباً ما تنظم وكلاء ReAct نماذج الإدراك للتفاعل مع العالم المادي. يوضح الكود المفاهيمي التالي كيف يمكن لحلقة استدلال ReAct نشر نموذج Ultralytics YOLO26 بسلاسة كأداة خارجية للمراقبة والإبلاغ عن بيئة ما.

from ultralytics import YOLO


def vision_tool(image_path: str) -> str:
    """Action tool for a ReAct agent to detect objects in an image."""
    model = YOLO("yolo26n.pt")  # Load highly efficient YOLO26 nano model
    results = model(image_path)

    # Format the observation for the LLM's reasoning loop
    detected_classes = [model.names[int(c)] for c in results[0].boxes.cls]
    return f"Observation: Found {len(detected_classes)} objects: {', '.join(detected_classes)}"


# Simulated ReAct agent executing an action
agent_observation = vision_tool("https://ultralytics.com/images/bus.jpg")
print(agent_observation)

يمكن تبسيط إدارة مجموعات البيانات وتتبع التجارب لأدوات الرؤية هذه بالكامل باستخدام منصة Ultralytics، والتي توفر حلولاً شاملة لنشر الذكاء الاصطناعي الحديث. يمكن للمهتمين ببناء هؤلاء الوكلاء من الصفر أيضاً دراسة المنطق الأساسي في مستودع ReAct الرسمي.

التمييز بين المفاهيم ذات الصلة#

لتصميم بنيات متعددة الوسائط قوية كما تم استكشافها في أبحاث المحاذاة الأكاديمية الحديثة، من الضروري تمييز ReAct عن أنماط الهندسة ذات الصلة:

• مقابل التوجيه القائم على سلسلة الأفكار: يشجع توجيه سلسلة الأفكار (CoT) النموذج على التفكير خطوة بخطوة ولكنه يعتمد بالكامل على المعرفة الداخلية الثابتة. يوسع ReAct سلسلة الأفكار عن طريق حقن "إجراءات" ديناميكية تجمع ملاحظات خارجية جديدة أثناء عملية الاستدلال.
• مقابل تسلسل التوجيه: يتضمن تسلسل التوجيه ترميز تسلسل ثابت لاستدعاءات نماذج اللغات الكبيرة المنفصلة حيث يتم تغذية مخرجات خطوة واحدة تلقائياً في الخطوة التالية. ReAct هو نموذج أكثر استقلالية حيث يقرر وكيل واحد ديناميكياً الأدوات أو الإجراءات المتسلسلة التي يجب اتخاذها بناءً على الملاحظات المستمرة، بدلاً من اتباع نص برمجي متسلسل بشكل صارم.

من خلال توحيد الاستدلال المنطقي مع تنفيذ الأدوات الخارجية المتخصصة مثل النماذج متعددة الوسائط، يتيح التوجيه التفاعلي ReAct تطوير أنظمة ذكاء اصطناعي عامة وعالية الكفاءة.