ReAct Prompting

ReAct (Reasoning and Acting) prompting — это передовая парадигма prompt engineering, которая позволяет Large Language Models (LLMs) динамически чередовать пошаговые логические рассуждения с конкретными действиями. Представленная во влиятельной научной статье 2022 года "ReAct: Synergizing Reasoning and Acting in Language Models", эта техника превращает статичную языковую модель в интерактивного AI agent. Явно генерируя мысли о проблеме и выполняя действия для получения внешней информации, фреймворк ReAct значительно улучшает фактическую точность и возможности принятия решений в сложных рабочих процессах artificial intelligence.

Link to this sectionМеханика Reasoning and Acting#

При традиционном взаимодействии модель генерирует ответ, основываясь исключительно на своих внутренних знаниях, что часто приводит к hallucinations in LLMs. Архитектура ReAct решает эту проблему, привязывая ИИ к внешней среде с помощью непрерывного цикла «мыслей», «действий» и «наблюдений» (Thoughts, Actions, and Observations).

Сталкиваясь с запросом, модель сначала генерирует «мысль» (Thought), чтобы наметить свою стратегию. Затем она инициирует «действие» (Action), такое как поисковый запрос, обращение к базе данных или вызов vision API с помощью концепции, известной как function calling. Среда возвращает «наблюдение» (Observation), предоставляя фактические данные. Модель оценивает эту новую информацию, обновляет свои рассуждения и повторяет цикл, пока не придет к окончательному ответу. Эта методология, подробно описанная в Prompt Engineering Guide on ReAct, повторяет процесс решения проблем человеком и устанавливает высокопрозрачные и контролируемые модели поведения агентов.

Link to this sectionРеальные приложения#

ReAct prompting отлично подходит для сценариев, требующих итеративного решения проблем и использования инструментов в несколько этапов, что делает его фундаментальным для современных agentic AI systems.

• Automated Customer Support Agents: В корпоративной среде агенты ИТ-поддержки используют ReAct для решения проблем пользователей. Если пользователь сообщает о сбое сети, агент делает вывод, что нужно проверить состояние сервера. Он действует, отправляя пинг к диагностическому API, наблюдает за результатом, а затем либо передает тикет дальше, либо предоставляет руководство по устранению неполадок на основе полученных фактов, оптимизируя традиционные конвейеры Retrieval-Augmented Generation (RAG).
• Dynamic Visual Analysis: Системы Computer vision используют ReAct для сложного визуального ответов на вопросы. Агент-робот, которому поручено управление инвентарем, может осмотреть полку, сделать вывод, что ему нужно пересчитать конкретные предметы, выполнить действие, вызвав модель object detection, и использовать возвращаемые данные BBox для завершения подсчета. Этот синергетический эффект преодолевает разрыв между текстовым логическим мышлением и пространственным пониманием.

Link to this sectionРеализация ReAct с помощью Computer vision#

Для разработчиков, использующих Python, агенты ReAct часто управляют моделями восприятия для взаимодействия с физическим миром. Следующий концептуальный код демонстрирует, как цикл рассуждений ReAct может легко развернуть модель Ultralytics YOLO26 в качестве внешнего инструмента для наблюдения и составления отчетов о среде.

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)

Управление наборами данных и отслеживание экспериментов для этих визуальных инструментов можно полностью оптимизировать с помощью Ultralytics Platform, которая предлагает комплексные решения для современного развертывания ИИ. Те, кто заинтересован в создании таких агентов с нуля, могут также изучить базовую логику в official ReAct repository.

Link to this sectionРазграничение похожих концепций#

Чтобы проектировать надежные мультимодальные архитектуры, как это исследуется в недавних academic alignment research, важно отличать ReAct от связанных инженерных паттернов:

• Vs. Chain-of-Thought Prompting: Chain-of-Thought (CoT) побуждает модель мыслить пошагово, но полностью полагается на статические, внутренние знания. ReAct расширяет CoT, внедряя динамические «действия», которые собирают свежие внешние наблюдения в процессе рассуждения.
• Vs. Prompt Chaining: Prompt chaining предполагает жесткое кодирование последовательности отдельных вызовов LLM, где результат одного шага автоматически передается в следующий. ReAct — это более автономная парадигма, в которой один агент динамически решает, какие инструменты или последовательные действия предпринять на основе текущих наблюдений, вместо того чтобы следовать жестко запрограммированному сценарию.

Объединяя логическую дедукцию с выполнением специализированных внешних инструментов, таких как Multi-Modal Models, ReAct prompting позволяет создавать высокофункциональные, обобщенные системы ИИ.