最近总有人在后台问我“阿龙总听你们说Agent、大模型这东西到底是怎么思考的它怎么能自己调用工具、自己反思错误感觉跟成精了似的”问得好今天咱们就抛开那些晦涩的论文用最接地气的方式把大模型Agent智能体的那些“脑子里的想法”给扒个底朝天。你将会看到原来AI的思考方式很多都是从咱们人类身上学的。什么“干一步看一步”、“先计划再行动”、“自我反省”甚至“胡思乱想”AI全都会一、 先从“扛把子”聊起什么是ReAct框架咱们要聊Agent的思考方式就绕不开一个名字——ReAct。你可以把它理解成Agent思考模式的“地基”或者“原神开局”。这词儿是“Reason”推理和“Act”行动的合体。说白了就是让AI一边思考一边行动一边观察结果然后再接着思考。想象一下你是一个客服。用户说“我手机话费好像扣多了帮我查查。”你怎么做你不会直接背诵一本通讯录而是思考用户要查话费账单。行动打开计费系统输入用户手机号。观察系统返回了账单详情发现确实有一笔增值业务扣费。再思考哦原来是订阅了某个服务需要告诉用户并询问是否需要取消。再行动回复用户“您好我查了一下您本月订阅了XX业务扣费XX元需要帮您取消吗”看到了吗这就是一个典型的思考-行动-观察-再思考的循环。ReAct框架就是干这个的。为什么它这么牛因为它赋予了Agent动态决策的能力。当Agent发现自己知识库里没这东西比如“今天的天气怎么样”它就会触发ReAct中的“行动”步去调用天气查询工具。查完拿到结果观察再结合结果组织语言回答思考。整个过程行云流水就像一个有手有脚、能自己找资料的人类员工。所以在下图的那个工作流程里ReAct Agent就是这么一圈一圈转起来直到把任务彻底搞定。二、 Agent的“多重人格”其他几种认知框架当然聪明的工程师们不满足于只有ReAct这一种套路。他们发现就像不同性格的人处理问题的方式不同AI也应该有多种思考模式。下面咱们就来盘点一下这些“性格各异”的认知框架。1. 函数调用把AI当成“超级遥控器”这个框架是OpenAI带火的。它的核心思想特别简单粗暴大模型别想太多你就负责理解我说话的意思然后去按一下正确的按钮就行了。这个“按钮”就是我们预先写好的函数。比如你写了一个函数叫get_weather(city)里面封装好了调用天气预报API的所有复杂代码。你对大模型说“明天上海冷吗”大模型通过“函数调用”框架它不会自己去编造一个温度它会分析“哦用户想知道上海明天的天气我应该调用get_weather这个函数参数是‘上海’日期是‘明天’。” 然后它就去执行了。应用场景智能家居“打开客厅空调”AI调用control_device函数。数据分析“把上个月销售额做个图表”AI调用generate_chart函数。API集成“帮我给张三发个邮件说今晚聚餐”AI调用send_email函数。在这个框架里大模型就像一个聪明的中央处理器你只需要准备好各种功能的“遥控器”函数它负责帮你按。2. 计划与执行谋定而后动的“诸葛亮”ReAct是“干一步看一步”那“计划与执行”就是“先画图纸再施工”。面对一个复杂任务比如“策划一场公司年会”你会怎么干你肯定不会先去找饭店而是会先拉个清单定主题、找场地、安排节目、准备餐饮、邀请嘉宾……这就是计划。在这个框架下大模型接到任务后的第一步不是行动而是思考全局拆解任务制定一个详尽的步骤清单。比如它会列出确定年会预算和规模。根据预算搜索合适的酒店或会场。设计年会流程和互动游戏。起草并发送邀请函。...等这个详细的“作战计划”制定完毕它才开始进入执行阶段一步步去调用工具、完成这些子任务。优势在哪对于像自动化工作流管理、项目管理这样需要统筹全局的场景这个框架能避免AI在细节里迷失方向保证最终成果的完整性和一致性。3. 自问自答内心戏丰富的“思考者”这个框架很有意思它让AI学会了自己跟自己对话。比如你问它“如何才能快速学习一门新语言”一般的AI可能会直接给你列个1、2、3条建议。但在“自问自答”框架下它的内心活动可能是这样的自问“‘快速’是多快一个月还是一年”自答“问题没明确我得假设一个普遍情况比如三个月达到日常交流水平。”再自问“要达到这个水平最关键的点是什么是词汇量还是口语环境”再自答“应该是沉浸式环境和坚持练习。好那我就围绕这两点来给建议。”再自问“如果用户是个上班族没时间出国怎么办”再自答“那就推荐一些在线的语伴APP和利用碎片时间听播客的方法。”你看通过不断对自己提问和回答AI把一个相对模糊的问题一步步细化、深化最终给出的答案自然就更全面、更有深度甚至带有一些创造性。这特别适合创意写作、复杂问题深度分析。4. 批判修正自我反思知错能改的“好学生”这个框架也叫Self-Reflection说白了就是让AI学会自我反省。它包含两个核心步骤第一步批判系统做完一件事或者生成一个答案后先不急着交差。它会自己当一回“批评家”对照着最初的目标或者标准答案或者干脆就是常识鸡蛋里挑骨头。“我刚刚写的这段广告文案虽然提到了产品功能但好像不够吸引人缺乏一个让人眼前一亮的‘钩子’。”“我刚才规划的那条路线虽然距离最短但好像没考虑现在正是晚高峰这条路肯定堵死了。”第二步修正既然挑出了毛病那就得改。系统会根据“批判”阶段提出的问题调整自己的策略重新生成一个更好的结果。“好那我修改一下文案开头先用一个反问句抓住眼球再介绍功能。”“我重新规划路线把实时交通状况考虑进去选一条时间最短的路。”通过这种“生成-批判-修正-再批判”的不断迭代AI就像个“戏精”一样自己跟自己较劲直到输出一个它自己觉得满意的结果。这对于需要高质量、高精度产出的场景比如撰写重要报告、生成代码、进行逻辑推理价值巨大。5. 思维链把“黑箱”变成“透明人”这个框架你可能也听说过英文叫Chain-of-Thought简称CoT。它的目标很单纯让AI把它的解题步骤一步一步写出来以前的AI你问它一个问题它“啪”地一下给你个答案跟个黑箱似的。你不知道它是真懂了还是蒙的。有了CoT你让它做一道数学题“小明有5个苹果小红的苹果比小明多3个他们一共有几个苹果”AI不会直接回答“13个”。它会一步步推理“1. 小明有5个苹果。2. 小红比小明多3个所以小红有 5 3 8 个苹果。3. 他们俩一共有 5 8 13 个苹果。4. 所以答案是13。”这个过程就是思维链。它极大地提高了AI在复杂推理任务上的准确率同时让AI的思考过程变得透明、可解释。我们能清楚地看到它是怎么想的如果错了也知道错在哪一步。6. 思维树CoT的“超级进化版”如果CoT是一条直线那ToT就是一棵树。面对一个极其复杂、充满岔路的问题比如“如何写一部像《三体》那样的小说”。用CoTAI可能就沿着一条思路走到黑。但用ToT它会这样干发散思维它先不急着写而是先想出好几个不同的故事开局。比如“一个物理学家的意外发现”、“某个神秘组织的全球行动”、“主角的童年记忆”。这就像一棵树长出了好多根树枝。自我评估站在每个“树枝”上它还会自己琢磨“这个开局虽然吸引人但后期展开难度太大。”“这个开局格局有点小撑不起长篇。”“嗯这个开局既有悬念又有空间不错。”择优深入选定了最有潜力的那个“树枝”比如“物理学家的意外发现”它会沿着这个方向继续往下想继续生出更多的小树枝发现带来了什么后果引起了谁的注意。如果在这条路上走死了它还可以回溯到上一个节点选择另一个“树枝”重新探索。这就是树搜索。ToT框架让AI拥有了战略性的前瞻和探索能力能够自我评估不同思考路径的价值从而在那些需要探索、规划和策略性思考的复杂任务中表现得像个真正的专家。小雪的灵魂拷问与咖哥的智慧看到这你可能也跟书里的小雪有一样的想法“咖哥你讲得也太简单了吧这么多框架就几句话带过了”咖哥的回答特别有水平他说“讲解重在给人以启发该详则详该略则略。ReAct框架之所以详是因为它直指Agent推理认知过程的本质。至于其他的框架有些和ReAct思想相似有些以后会细讲还有些需要你自己去看论文。”这话说得太到位了ReAct是核心是通用方法论你必须掌握。其他的框架是面向特定场景的“武功招式”你可以根据需求去学习和选用。总结给Agent配上一颗智慧的心好了讲了这么多咱们最后来个小总结。一个强大的Agent它的“智慧之心”是由四大要素构成的规划它能像人一样设定目标、拆解任务、自我反思。而ReAct、Plan-and-Execute、ToT这些框架就是赋予它这种规划能力的“思维模型”。工具它是Agent的手和脚。通过“函数调用”等方式它能利用搜索引擎、计算器、API接口等外部工具突破自身知识边界去感知和改变世界。记忆它是Agent的“经验库”。短期记忆让它能在对话中理解上下文长期记忆则让它能记住用户偏好和历史事实变得更个性化。执行它是Agent最终的“行动力”。把规划和记忆结合起来通过调用工具去完成那个最终的动作比如回复消息、预订餐厅、生成图片。那么回到最初的问题AI到底是如何像人一样思考的答案是通过模仿人类最优秀的思考习惯。面对简单指令它用函数调用当个听话的遥控器。面对需要决策的连续任务它用ReAct像员工一样边想边干。面对复杂的系统工程它用计划与执行像项目经理一样谋定后动。面对深奥的问题它用自问自答像哲学家一样内心戏十足。为了追求完美它用批判修正像资深编辑一样自我审视。为了展现过程它用思维链像数学老师一样在黑板上板书。面对史诗级难题它用思维树像战略家一样运筹帷幄探索万千可能。没有哪一种框架是“万能钥匙”。真正的技术大拿懂得在开发应用时根据具体的需求、场景和用户体验去选择、组合甚至创造最合适的认知框架。这才是大模型应用开发最核心、最有趣的地方。本文参考图解大模型生成式AI原理与实战书籍pdf免费下载地址https://pan.baidu.com/s/1mTaUQ5czcfGpBM8KvJuS2g?pwdun44
大模型Agent核心认知框架揭秘：从ReAct到思维树，AI如何像人一样思考？
最近总有人在后台问我“阿龙总听你们说Agent、大模型这东西到底是怎么思考的它怎么能自己调用工具、自己反思错误感觉跟成精了似的”问得好今天咱们就抛开那些晦涩的论文用最接地气的方式把大模型Agent智能体的那些“脑子里的想法”给扒个底朝天。你将会看到原来AI的思考方式很多都是从咱们人类身上学的。什么“干一步看一步”、“先计划再行动”、“自我反省”甚至“胡思乱想”AI全都会一、 先从“扛把子”聊起什么是ReAct框架咱们要聊Agent的思考方式就绕不开一个名字——ReAct。你可以把它理解成Agent思考模式的“地基”或者“原神开局”。这词儿是“Reason”推理和“Act”行动的合体。说白了就是让AI一边思考一边行动一边观察结果然后再接着思考。想象一下你是一个客服。用户说“我手机话费好像扣多了帮我查查。”你怎么做你不会直接背诵一本通讯录而是思考用户要查话费账单。行动打开计费系统输入用户手机号。观察系统返回了账单详情发现确实有一笔增值业务扣费。再思考哦原来是订阅了某个服务需要告诉用户并询问是否需要取消。再行动回复用户“您好我查了一下您本月订阅了XX业务扣费XX元需要帮您取消吗”看到了吗这就是一个典型的思考-行动-观察-再思考的循环。ReAct框架就是干这个的。为什么它这么牛因为它赋予了Agent动态决策的能力。当Agent发现自己知识库里没这东西比如“今天的天气怎么样”它就会触发ReAct中的“行动”步去调用天气查询工具。查完拿到结果观察再结合结果组织语言回答思考。整个过程行云流水就像一个有手有脚、能自己找资料的人类员工。所以在下图的那个工作流程里ReAct Agent就是这么一圈一圈转起来直到把任务彻底搞定。二、 Agent的“多重人格”其他几种认知框架当然聪明的工程师们不满足于只有ReAct这一种套路。他们发现就像不同性格的人处理问题的方式不同AI也应该有多种思考模式。下面咱们就来盘点一下这些“性格各异”的认知框架。1. 函数调用把AI当成“超级遥控器”这个框架是OpenAI带火的。它的核心思想特别简单粗暴大模型别想太多你就负责理解我说话的意思然后去按一下正确的按钮就行了。这个“按钮”就是我们预先写好的函数。比如你写了一个函数叫get_weather(city)里面封装好了调用天气预报API的所有复杂代码。你对大模型说“明天上海冷吗”大模型通过“函数调用”框架它不会自己去编造一个温度它会分析“哦用户想知道上海明天的天气我应该调用get_weather这个函数参数是‘上海’日期是‘明天’。” 然后它就去执行了。应用场景智能家居“打开客厅空调”AI调用control_device函数。数据分析“把上个月销售额做个图表”AI调用generate_chart函数。API集成“帮我给张三发个邮件说今晚聚餐”AI调用send_email函数。在这个框架里大模型就像一个聪明的中央处理器你只需要准备好各种功能的“遥控器”函数它负责帮你按。2. 计划与执行谋定而后动的“诸葛亮”ReAct是“干一步看一步”那“计划与执行”就是“先画图纸再施工”。面对一个复杂任务比如“策划一场公司年会”你会怎么干你肯定不会先去找饭店而是会先拉个清单定主题、找场地、安排节目、准备餐饮、邀请嘉宾……这就是计划。在这个框架下大模型接到任务后的第一步不是行动而是思考全局拆解任务制定一个详尽的步骤清单。比如它会列出确定年会预算和规模。根据预算搜索合适的酒店或会场。设计年会流程和互动游戏。起草并发送邀请函。...等这个详细的“作战计划”制定完毕它才开始进入执行阶段一步步去调用工具、完成这些子任务。优势在哪对于像自动化工作流管理、项目管理这样需要统筹全局的场景这个框架能避免AI在细节里迷失方向保证最终成果的完整性和一致性。3. 自问自答内心戏丰富的“思考者”这个框架很有意思它让AI学会了自己跟自己对话。比如你问它“如何才能快速学习一门新语言”一般的AI可能会直接给你列个1、2、3条建议。但在“自问自答”框架下它的内心活动可能是这样的自问“‘快速’是多快一个月还是一年”自答“问题没明确我得假设一个普遍情况比如三个月达到日常交流水平。”再自问“要达到这个水平最关键的点是什么是词汇量还是口语环境”再自答“应该是沉浸式环境和坚持练习。好那我就围绕这两点来给建议。”再自问“如果用户是个上班族没时间出国怎么办”再自答“那就推荐一些在线的语伴APP和利用碎片时间听播客的方法。”你看通过不断对自己提问和回答AI把一个相对模糊的问题一步步细化、深化最终给出的答案自然就更全面、更有深度甚至带有一些创造性。这特别适合创意写作、复杂问题深度分析。4. 批判修正自我反思知错能改的“好学生”这个框架也叫Self-Reflection说白了就是让AI学会自我反省。它包含两个核心步骤第一步批判系统做完一件事或者生成一个答案后先不急着交差。它会自己当一回“批评家”对照着最初的目标或者标准答案或者干脆就是常识鸡蛋里挑骨头。“我刚刚写的这段广告文案虽然提到了产品功能但好像不够吸引人缺乏一个让人眼前一亮的‘钩子’。”“我刚才规划的那条路线虽然距离最短但好像没考虑现在正是晚高峰这条路肯定堵死了。”第二步修正既然挑出了毛病那就得改。系统会根据“批判”阶段提出的问题调整自己的策略重新生成一个更好的结果。“好那我修改一下文案开头先用一个反问句抓住眼球再介绍功能。”“我重新规划路线把实时交通状况考虑进去选一条时间最短的路。”通过这种“生成-批判-修正-再批判”的不断迭代AI就像个“戏精”一样自己跟自己较劲直到输出一个它自己觉得满意的结果。这对于需要高质量、高精度产出的场景比如撰写重要报告、生成代码、进行逻辑推理价值巨大。5. 思维链把“黑箱”变成“透明人”这个框架你可能也听说过英文叫Chain-of-Thought简称CoT。它的目标很单纯让AI把它的解题步骤一步一步写出来以前的AI你问它一个问题它“啪”地一下给你个答案跟个黑箱似的。你不知道它是真懂了还是蒙的。有了CoT你让它做一道数学题“小明有5个苹果小红的苹果比小明多3个他们一共有几个苹果”AI不会直接回答“13个”。它会一步步推理“1. 小明有5个苹果。2. 小红比小明多3个所以小红有 5 3 8 个苹果。3. 他们俩一共有 5 8 13 个苹果。4. 所以答案是13。”这个过程就是思维链。它极大地提高了AI在复杂推理任务上的准确率同时让AI的思考过程变得透明、可解释。我们能清楚地看到它是怎么想的如果错了也知道错在哪一步。6. 思维树CoT的“超级进化版”如果CoT是一条直线那ToT就是一棵树。面对一个极其复杂、充满岔路的问题比如“如何写一部像《三体》那样的小说”。用CoTAI可能就沿着一条思路走到黑。但用ToT它会这样干发散思维它先不急着写而是先想出好几个不同的故事开局。比如“一个物理学家的意外发现”、“某个神秘组织的全球行动”、“主角的童年记忆”。这就像一棵树长出了好多根树枝。自我评估站在每个“树枝”上它还会自己琢磨“这个开局虽然吸引人但后期展开难度太大。”“这个开局格局有点小撑不起长篇。”“嗯这个开局既有悬念又有空间不错。”择优深入选定了最有潜力的那个“树枝”比如“物理学家的意外发现”它会沿着这个方向继续往下想继续生出更多的小树枝发现带来了什么后果引起了谁的注意。如果在这条路上走死了它还可以回溯到上一个节点选择另一个“树枝”重新探索。这就是树搜索。ToT框架让AI拥有了战略性的前瞻和探索能力能够自我评估不同思考路径的价值从而在那些需要探索、规划和策略性思考的复杂任务中表现得像个真正的专家。小雪的灵魂拷问与咖哥的智慧看到这你可能也跟书里的小雪有一样的想法“咖哥你讲得也太简单了吧这么多框架就几句话带过了”咖哥的回答特别有水平他说“讲解重在给人以启发该详则详该略则略。ReAct框架之所以详是因为它直指Agent推理认知过程的本质。至于其他的框架有些和ReAct思想相似有些以后会细讲还有些需要你自己去看论文。”这话说得太到位了ReAct是核心是通用方法论你必须掌握。其他的框架是面向特定场景的“武功招式”你可以根据需求去学习和选用。总结给Agent配上一颗智慧的心好了讲了这么多咱们最后来个小总结。一个强大的Agent它的“智慧之心”是由四大要素构成的规划它能像人一样设定目标、拆解任务、自我反思。而ReAct、Plan-and-Execute、ToT这些框架就是赋予它这种规划能力的“思维模型”。工具它是Agent的手和脚。通过“函数调用”等方式它能利用搜索引擎、计算器、API接口等外部工具突破自身知识边界去感知和改变世界。记忆它是Agent的“经验库”。短期记忆让它能在对话中理解上下文长期记忆则让它能记住用户偏好和历史事实变得更个性化。执行它是Agent最终的“行动力”。把规划和记忆结合起来通过调用工具去完成那个最终的动作比如回复消息、预订餐厅、生成图片。那么回到最初的问题AI到底是如何像人一样思考的答案是通过模仿人类最优秀的思考习惯。面对简单指令它用函数调用当个听话的遥控器。面对需要决策的连续任务它用ReAct像员工一样边想边干。面对复杂的系统工程它用计划与执行像项目经理一样谋定后动。面对深奥的问题它用自问自答像哲学家一样内心戏十足。为了追求完美它用批判修正像资深编辑一样自我审视。为了展现过程它用思维链像数学老师一样在黑板上板书。面对史诗级难题它用思维树像战略家一样运筹帷幄探索万千可能。没有哪一种框架是“万能钥匙”。真正的技术大拿懂得在开发应用时根据具体的需求、场景和用户体验去选择、组合甚至创造最合适的认知框架。这才是大模型应用开发最核心、最有趣的地方。本文参考图解大模型生成式AI原理与实战书籍pdf免费下载地址https://pan.baidu.com/s/1mTaUQ5czcfGpBM8KvJuS2g?pwdun44
