ReAct Prompting

يُعد الاستدلال والتصرف (ReAct) عبر المطالبات نهجًا متقدمًا في هندسة المطالبات، يتيح لـنماذج اللغة الكبيرة (LLMs) التناوب ديناميكيًا بين مسارات الاستدلال خطوة بخطوة والإجراءات الخاصة بالمهمة. وقد قُدّمت هذه التقنية في الورقة الأكاديمية المؤثرة لعام 2022 «ReAct: التآزر بين الاستدلال والتصرف في نماذج اللغة»، وهي تحوّل نموذج اللغة الثابت إلى وكيل ذكاء اصطناعي تفاعلي. ومن خلال توليد أفكار صريحة حول المشكلة وتنفيذ إجراءات لاسترجاع معلومات خارجية، يحسّن إطار ReAct بدرجة كبيرة دقة الحقائق وقدرات اتخاذ القرار في مسارات عمل الذكاء الاصطناعي المعقدة.

آلية الاستدلال والتصرف#

في التفاعلات التقليدية، ينشئ النموذج استجابة اعتمادًا بالكامل على معرفته الداخلية، ما يؤدي غالبًا إلى هلوسات نماذج اللغة الكبيرة. وتعالج بنية ReAct هذه المشكلة بربط الذكاء الاصطناعي ببيئات خارجية، عبر حلقة متواصلة من الأفكار والإجراءات والملاحظات.

عند مواجهة استعلام، يولّد النموذج أولًا «فكرة» لتحديد استراتيجيته. ثم يطلق «إجراءً»، مثل الاستعلام من محرك بحث أو التفاعل مع قاعدة بيانات أو استدعاء واجهة برمجة تطبيقات للرؤية، من خلال مفهوم يُعرف باسم استدعاء الدوال. وتعيد البيئة «ملاحظة» تتضمن بيانات واقعية. ويقيّم النموذج هذه المعلومات الجديدة ويحدّث استدلاله، ثم يكرر الدورة حتى يصل إلى الإجابة النهائية. وتحاكي هذه المنهجية، التي يشرحها بالتفصيل دليل هندسة المطالبات حول ReAct، أساليب البشر في حل المشكلات، وتتيح سلوكًا للوكلاء يتسم بالشفافية العالية وقابلية التحكم.

تطبيقات عملية#

يتفوق أسلوب ReAct في السيناريوهات التي تتطلب حل المشكلات تكراريًا واستخدام الأدوات على مراحل متعددة، ما يجعله أساسيًا في أنظمة الذكاء الاصطناعي الوكيلة الحديثة.

• وكلاء دعم العملاء المؤتمت: تستخدم وكلاء مكاتب دعم تقنية المعلومات في بيئات المؤسسات ReAct لحل مشكلات المستخدمين. فإذا أبلغ مستخدم عن انقطاع الشبكة، يستنتج الوكيل ضرورة التحقق من حالة الخادم. وينفذ ذلك باستدعاء واجهة برمجة تطبيقات تشخيصية، ثم يطّلع على النتيجة، وبعدها إما يصعّد التذكرة أو يقدم دليلًا لاستكشاف الأخطاء وإصلاحها استنادًا إلى الحقائق المسترجعة، ما يبسط مسارات عمل التوليد المعزز بالاسترجاع (RAG) التقليدية.
• التحليل البصري الديناميكي: تستفيد أنظمة الرؤية الحاسوبية من ReAct للإجابة عن الأسئلة البصرية المعقدة. فقد يلاحظ وكيل روبوتي مكلّف بإدارة المخزون رفًا، ويستنتج حاجته إلى عدّ أصناف محددة، ثم يستدعي نموذج كشف الأجسام، ويستخدم بيانات مربعات الإحاطة الناتجة لإتمام العد. ويجسر هذا التآزر الفجوة بين الاستدلال القائم على النص والفهم المكاني.

تنفيذ ReAct باستخدام الرؤية الحاسوبية#

بالنسبة إلى المطورين الذين يستخدمون Python، غالبًا ما تنسق وكلاء ReAct نماذج الإدراك للتفاعل مع العالم المادي. ويوضح المثال البرمجي التصوري التالي كيف يمكن لحلقة استدلال ReAct نشر نموذج Ultralytics YOLO26 بسلاسة كأداة خارجية لمراقبة البيئة والإبلاغ عنها.

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 الخاصة بأدوات الرؤية هذه بالكامل باستخدام منصة Ultralytics، التي تقدم حلولًا شاملة لنشر الذكاء الاصطناعي الحديث. ويمكن للمهتمين ببناء هذه الوكلاء من الصفر أيضًا دراسة المنطق التأسيسي في مستودع ReAct الرسمي.

التمييز بين المفاهيم ذات الصلة#

لإنشاء بنيات متعددة الوسائط متينة، مثلما تناولت أبحاث المواءمة الأكاديمية الحديثة الأبحاث الأكاديمية حول المواءمة، من الضروري التمييز بين ReAct وأنماط العمل الهندسية ذات الصلة:

• مقابل المطالبات بسلسلة الأفكار: تشجع سلسلة الأفكار (CoT) النموذج على التفكير خطوة بخطوة، لكنها تعتمد بالكامل على المعرفة الداخلية الثابتة. ويوسّع ReAct نطاق CoT بإضافة «إجراءات» ديناميكية تجمع ملاحظات خارجية حديثة أثناء عملية الاستدلال.
• مقابل تسلسل المطالبات: يتضمن تسلسل المطالبات ترميز سلسلة من استدعاءات نماذج اللغة الكبيرة المنفصلة، بحيث يُمرر ناتج إحدى الخطوات تلقائيًا إلى الخطوة التالية. أما ReAct فهو نهج أكثر استقلالية، إذ يحدد فيه وكيل واحد ديناميكيًا الأدوات أو الإجراءات المتتابعة التي سيتخذها بناءً على الملاحظات المستمرة، بدلًا من اتباع نص برمجي متسلسل جامد.

من خلال توحيد الاستنتاج المنطقي مع تنفيذ أدوات خارجية متخصصة مثل النماذج متعددة الوسائط، يتيح أسلوب ReAct تطوير أنظمة ذكاء اصطناعي معممة عالية القدرة.