Agent 的工作模式：Thought-Action-Observation - 教程

Thought-Action-Observation

通过 Thought-Action-Observation 理解 Agent 的工作流程。
Agent 的工作是一个循环往复的过程：思考（Thought）→行动（Act）→观察（Observe）
Thought： Agent 的 LLM 部分决定了下一步应该做什么
Action： Agent 通过调用工具来执行操作
Observation： 观察工具的响应结果，作为下一步思考的输入
过程就像动图展示的这样：
在这里插入图片描述
这个循环的定义可以在系统提示词中进行定义，明确 Agent 应该遵循的规则。
简单的系统提示例如：

系统消息=
"""你是一个旨在高效、准确帮助用户的AI助手。你的主要目标是提供有用、精确且清晰的回答。
你可以使用以下工具：
工具名称：calculator，描述：对两个整数进行乘法运算。，参数：a: 整数, b: 整数，输出：整数
你需要通过逐步思考来实现目标，将推理过程分为“思考/行动/观察”步骤，如有需要可以重复多次。
你应当首先通过思考：{你的思考内容}来反思当前情况，然后（如有必要）使用正确的JSON格式调用工具行动：{JSON数据块}，或者以最终答案：为前缀输出最终回答。
"""

在这个系统提示词中，我们定义了 Agent 的行为，Agent 可以使用的工具，以及关于工具的描述，还将上文中说的 思考（Thought）→行动（Act）→观察（Observe）融入了提示词中。

Thought :内部推理与 ReAct

这一节了解 Agent 的内部运作机制，即其推理和规划能力。
此外 ReAct 作为一种提示技术，让模型在行动之前一步步的思考
Thoughts 代表了 Agent 在解决任务时的内部推理和计划过程，这是 Agent 内部的 LLM 赋予的能力，利用 LLM 对提示的分析，让 Agent 看起来有了思考。
Agent 的思考有助于它评估当前的观察结果，并决定下一步要采取的行动。通过这个过程，Agent 可以将复杂的任务分解成一个个更小的、更容易解决的子任务，观察上一个子任务的结果，不断调整其计划。

Chain-of-Thought (CoT)

思维链（CoT） 是一种引导模型逐步思考问题，最终得出最终答案的技巧。
通常以下面的内容来引导模型一步步思考：

让我们一步步来考虑

这种方法有助于模型内部推理，特别是对于逻辑或数学任务，无需与外部工具交互。

COT的示例：

Query：200 的 15% 是多少？
Thought：让我们一步步的思考，200 的 10% 是 20，200 的 5% 是 10，因此 15% 是 30
Answer：30

ReAct：Reasoning + Acting

ReAct 方法将推理与行动结合起来，它是一种提示技术，鼓励模型逐步思考，并在推理步骤之间穿插一些行为（例如使用工具）。这使得Agent 能够通过交替使用以下方法来解决复杂的任务：

  • Thought：内在推理
  • Action：使用工具
  • Observation：接受工具的输出
    ReAct 示例：

Thought：我需要找到杭州最新的天气
Action：查询【杭州的天气】
Observation：杭州今天多云，18℃
Thought：现在我知道天气了…
Action：输出【杭州现在多云，18℃】

对比：ReAct 与 CoT

特征CoTReAct
逐步逻辑✅✅
外部工具❌✅
使用场景逻辑推理，数学运算，内部任务信息检索，动态多步骤任务

最近比较知名的推理模型，例如DeepSeek R1 和OpenAI 的 o1，以及各个大模型都推出了带 think 能力的模型，他们都是经过了微调，能在回答问题之前进行思考。通过标记，例如和，来区分推理阶段和答案生成阶段。这是一种通过训练技术让模型通过示例来学习这种思考模式，这与之前提到的 ReAct 与 CoT 是不同的，他们是一种提示或者引导技术

Action

这一节将介绍 Agent 与环境交互的具体实现方式

Action 是 Agent 与环境交互时执行的具体步骤，无论是浏览网页查找信息或者是控制物理设备，这都是 Agent 规划执行的行为。

Action 的类型：

  • JSON Agent
    将要执行的操作以 JSON 的格式指定，例如查询天气。这种方式简单，不易出错，适合简单的任务
    	{
		"action": "查询天气",
  		"action_input": {"城市": "杭州"}
	}
  • Code Agent
    智能体直接写出一段代码（通常是Python），这段代码可以包含复杂的逻辑，比如循环、判断、调用各种外部工具等。可以完成非常复杂的操作链。
  • Function-calling Agent
    函数调用代理是 JSON 代理的一个子类，也是通过 JSON 执行操作，不过执行的是工具的调用而已。
    	{
		  "name": "get_weather",       // 要调用的函数名
		  "arguments": {               // 调用函数所需的参数
		  		"location": "New York"
		  }
	}
    Actions 可以用于多种目的：
    • 信息收集：执行网络搜索，查询数据库或检索文档。
    • 工具调用：进行 API 调用，运行计算和执行代码。
    • 环境互动：操作数字界面或者控制物理设备。
    • 沟通：通过聊天与用户互动或与其他客服人员协作。

停止和解析方法

为什么要强制停止 LLM 输出

LLM 只处理文本，并用它来描述其要执行的操作以及要提供给工具的参数。为了使代理正常工作，LLM生成完一个完整的行动描述后，必须立即终止输出，将控制权交还给代理，让代理解析LLM输出的行动描述。
如果LLM不停止继续生成，可能出现的问题：

{
"action": "get_weather",
"action_input": {"location": "New York"}
}
哦对了，用户可能还需要湿度信息，让我想想是不是应该再加一个参数...

这样的后续输出会：

  • 破坏JSON格式，导致解析失败
  • 引入歧义，干扰工具的正确调用
  • 使整个智能体系统变得不可靠

具体实现步骤

  1. 生成结构化指令
    LLM输出必须是机器可读的格式：
{
"action": "search_web",
"parameters": {
"query": "今日股市行情",
"count": 5
}
}
  1. 检测停止信号
    系统在检测到以下情况时立即停止LLM：
  • 遇到预设的结束标记（如 [STOP]）
  • JSON格式完整闭合
  • 代码块完整生成
  1. 解析执行
    外部解析器读取格式化的操作，确定要调用哪个工具，并提取所需的参数。
# 系统自动执行
result = search_web(query="今日股市行情", count=5)

上面说的是JSON 代理的类型，还有一种就是代码代理。LLM分析任务后，生成完整的可执行代码块，然后执行代码获取代码执行的结果。

Observer

智能体在观察阶段需要做的就是感知，感知的方式就是接受 Action 执行之后的结果，这个结果可以是 API 调用的结果、错误消息、日志消息等，观察这些结果来指导下一个思考周期。

在观察阶段，智能体具体会做的：

  • 收集反馈：接收数据或确认操作是否成功
  • 追加结果：将新信息整合到现有的上下文中
  • 调整策略：利用更新后的上下文信息来完善后续的思考和行动

接受的消息类型：

  • 系统的反馈消息
    • 错误消息
    • 成功通知
    • 状态代码
  • 数据变更
    • 数据库更新
    • 文件系统修改
    • 状态变更
  • 环境数据
    • 传感器的读数
    • 系统指标
    • 资源使用情况
  • 响应分析
    • API 响应
    • 查询结果
    • 计算输出
  • 基于时间的事件
    • 截止日期移到，计划任务已完成

    理解一下基于时间的事件，例如，设置一个七点的闹钟叫你起床，当七点钟到的时候，这个任务就会触发，但是这个任务并不是agent执行的，不属于它的 action ，但是这个结果也可以被 agent 感知，从而影响后续的判断

获取观察结果的步骤？

执行 action 之后，智能体会按下面的步骤执行：

  1. 解析 action 以确定需要调用的函数和要是用的参数
  2. 执行该 action 操作
  3. 将结果作为观察的结果追加到上下文中
posted @ 2026-01-10 15:19  gccbuaa  阅读(10)  评论(0)    收藏  举报