通过思考-行动-观察循环理解 AI 智能体

在前面的章节中，我们学习了：

如何在系统提示中向智能体提供工具（tools）。
AI 智能体（AI agents）是如何能够“推理”、规划并与其环境交互的系统。

在本节中，我们将探索完整的 AI 智能体工作流程，这是我们定义的思考-行动-观察（Thought-Action-Observation）循环。

然后，我们将深入探讨这些步骤中的每一个。

核心组件

智能体在一个持续的循环中工作：思考（Thought）到行动（Act）和观察（Observe）。

让我们一起分解这些行动：

思考（Thought）：智能体的大语言模型（LLM）部分决定下一步应该是什么。
行动（Action）：智能体通过使用相关参数调用工具来采取行动。
观察（Observation）：模型对工具的响应进行反思。

思考-行动-观察循环

这三个组件在一个持续的循环中协同工作。用编程的类比来说，智能体使用一个 while 循环：循环持续进行，直到智能体的目标被实现。

在许多智能体框架中，规则和指南直接嵌入到系统提示中，确保每个循环都遵循定义的逻辑。

在一个简化版本中，我们的系统提示可能看起来像这样：

我们在这里看到，在系统消息中我们定义了：

智能体的行为。
我们的智能体可以访问的工具，就像我们在上一节中描述的那样。
思考-行动-观察循环，我们将其融入到大语言模型指令中。

让我们看一个小例子，在深入研究每个步骤之前理解这个过程。

阿尔弗雷德，天气智能体

我们创建了阿尔弗雷德，天气智能体。

用户问阿尔弗雷德：“今天纽约的天气如何？”

阿尔弗雷德的工作是使用天气 API 工具回答这个查询。

以下是循环的展开过程：

思考

内部推理：

在收到查询后，阿尔弗雷德的内部对话可能是：

“用户需要纽约的当前天气信息。我可以访问一个获取天气数据的工具。首先，我需要调用天气 API 来获取最新的详细信息。”

这一步显示了智能体将问题分解成步骤：首先，收集必要的数据。

行动

工具使用：

基于其推理和阿尔弗雷德知道有一个get_weather工具的事实，阿尔弗雷德准备一个 JSON 格式的命令来调用天气 API 工具。例如，它的第一个动作可能是：

思考：我需要检查纽约的当前天气。

{
  "action": "get_weather",
  "action_input": {
    "location": "New York"
  }
}

在这里，动作清楚地指定了要调用哪个工具（如 get_weather）和要传递的参数（“location”: “New York”）。

观察

来自环境的反馈：

在工具调用之后，阿尔弗雷德接收到一个观察结果。这可能是来自 API 的原始天气数据，如：

“纽约当前天气：多云，15°C，湿度 60%。”

这个观察结果然后被添加到提示中作为额外的上下文。它作为现实世界的反馈，确认行动是否成功并提供所需的细节。

更新的思考

反思：

获得观察结果后，阿尔弗雷德更新其内部推理：

“现在我有了纽约的天气数据，我可以为用户编写答案了。”

最终行动

然后阿尔弗雷德生成一个按照我们告诉它的方式格式化的最终响应：

思考：我现在有了天气数据。纽约当前天气多云，温度 15°C，湿度 60%。

最终答案：纽约当前天气多云，温度 15°C，湿度 60%。

这个最终行动将答案发送回用户，完成循环。

我们在这个例子中看到：

智能体在目标实现之前不断迭代循环：

阿尔弗雷德的过程是循环的。它从思考开始，然后通过调用工具采取行动，最后观察结果。如果观察结果表明有错误或数据不完整，阿尔弗雷德可以重新进入循环来纠正其方法。

工具集成（Tool Integration）：

调用工具（如天气 API）的能力使阿尔弗雷德能够超越静态知识并检索实时数据，这是许多 AI 智能体的重要方面。

动态适应（Dynamic Adaptation）：

每个循环都允许智能体将新信息（观察）整合到其推理（思考）中，确保最终答案是明智和准确的。

这个例子展示了 ReAct 循环背后的核心概念（这是我们将在下一节中发展的概念）：思考、行动和观察的相互作用使 AI 智能体（AI Agent）能够迭代地解决复杂任务。

通过理解和应用这些原则，你可以设计出不仅能够推理其任务，而且能够有效利用外部工具来完成它们的智能体，同时基于环境反馈不断改进其输出。

现在让我们深入了解过程中的各个步骤：思考、行动、观察。

小结

智能体在思考（Thought）-行动（Action）-观察（Observation）的持续循环中工作，直到目标达成，类似于一个 while 循环。
思考由 LLM 负责，决定下一步；行动通过带参数的工具调用来执行；观察是对工具反馈的反思。
系统提示中通常内嵌循环规则与可用工具，保证每个循环遵循定义的逻辑。
工具调用让智能体超越静态知识、获取实时数据（如天气 API），是其关键能力。
每个循环都把新观察整合进推理，实现动态适应；这正对应 ReAct 循环的核心思想。