NekoBot

Appearance

react - ReAct Agent ​

字数
703 字
阅读时间
3 分钟

概述 ​

react.py 实现 ReAct（Reasoning + Acting）Agent 模式，让 AI 能够循环思考和调用工具，逐步推理直至回答问题。

ReActAgent 类 ​

python
from nbot.services.react import ReActAgent, get_react_agent

agent = ReActAgent(max_iterations=5, timeout=60)
参数默认值说明
max_iterations5最大思考循环次数
timeout60单次思考超时（秒）

全局单例 ​

python
from nbot.services.react import get_react_agent

agent = get_react_agent()

数据模型 ​

ThoughtStep ​

python
from nbot.services.react import ThoughtStep

step = ThoughtStep(
    step=1,
    thought="用户想知道天气，我需要查询天气工具",
    action="get_weather",
    action_input="Beijing",
    observation="25°C，晴",
    is_false=False
)
  • action="完成" 或 is_final=True 时终止循环
  • action="无" 或 action=None 时不执行工具调用

ReActResult ​

python
from nbot.services.react import ReActResult

result = ReActResult(
    success=True,
    final_answer="北京当前 25°C，晴",
    thought_steps=[step],
    error=None
)

思考链执行 ​

python
async def think(question, context, ai_client) -> ReActResult:

流程：

  1. 构建思考提示词（含用户问题、可用工具列表、历史思考步骤）
  2. 调用 AI 客户端获取回复
  3. 解析回复为 ThoughtStep（思考→行动→输入）
  4. 若行动为"完成"或标记为最终步骤，返回结果
  5. 若有工具调用，通过 plugin_manager.execute_skill() 执行
  6. 记录观察结果，进入下一轮迭代
  7. 达到 max_iterations 仍未完成时返回当前最佳答案

思考提示词格式 ​

思考: <你对问题的分析>
行动: <要调用的技能名称，如果没有则写"无">
输入: <技能需要的参数，如果没有则写"无">
观察结果: <技能返回的结果，用于下一步思考>

每次迭代将前序思考链追加到提示词末尾，形成上下文。

技能执行 ​

python
async def _execute_action(action, action_input, context) -> str:

通过 plugin_manager.execute_skill() 调用技能系统。成功时返回 result.content，失败时返回错误信息。

步骤解析 ​

_parse_thought() 从 AI 输出文本中提取 思考、行动、输入、观察结果 字段：

字段匹配模式说明
思考思考:分析内容
行动行动:技能名（"完成"表示终结）
输入输入:技能参数（"无"表示空）
观察结果观察结果: / 观察:工具返回（由框架填充）

多行文本自动追加到当前字段。

与工具注册集成 ​

ReAct Agent 使用 SkillDispatcher 获取可用技能列表，而非直接使用 MCP 或 function calling 工具：

python
dispatcher = get_skill_dispatcher(plugin_manager)
skills_prompt = dispatcher.get_available_skills_prompt()

每个思考步骤中通过 plugin_manager.execute_skill() 调用实际技能。

相关页面 ​

页面历史