文章标题其实应该叫——“调用function calling 功能的 ReACT + langchain 案例”。
根据前文，我们知道ReACT 范式，就是一套万金油小联招：
[思考-规划] – [执行] – [观察（反思）]。
在这个框架下，代码层面只需要循环，就可以实现用户复杂意图的需求。属于“投入小，产出大”的划算买卖！
但是，如果在真实应用中，只这样做就可以了么？
本文提供了五种实现方式，希望带大家一探究竟——
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
|
## 方式一：
- 提示词 + 工具 （最简单的Agent，但是缺少思考和规划）
- 结果：把复杂的任务，一次性交给AI，结果不满意。
## 方式二：
- CoT提示词 + 工具 （通过提示词 让 AI一步一步来）
- 结果：复杂度上去了，AI既要处理任务，还要反思规划，不稳定没法用
## 方式三：
- CoT提示词 + 工具 + 两次Agent 处理（一个负责构思、一个负责输出function calling 和 反思）
- 结果：稳定性进一步增强，一开始执行可能还行，循环次数多了后续就不稳定了
## 方式四：（偷懒方法一）
- 提示词 + （有思考模块的）工具
- 结果：稳定性进一步增强，内容也还不错，可以使用
## 方式五：（偷懒方法二）
- 提示词 + Langchain 自带的中间件模块（TodoList & Summarization）
- 结果：格式上大为简化（提示词、messages 消息整合和循环语句都大为简化）。执行结果上看，还是有点粗糙。
|
所以，所谓的Agent 自主分析 和判断，也不是一味地 将全部内容交给它。而是
循环是成功了，但是会发现一个难点： 中间状态的控制！！其实这也是Agent 中 “记忆”的部分的内涵。（这部分 除了关键步骤的输入和输出，还有）
彻底的解决办法：一次只做一件事情。例如:改写用户提问一个 Agent，web 检索 一个Agent，反思 一个 Agent，评估一个Agent，最终给出答复 一个Agent——
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
builder.add_node("generate_query", generate_query)
builder.add_node("web_research", web_research)
builder.add_node("reflection", reflection)
builder.add_node("evaluate_research", evaluate_research)
builder.add_node("finalize_answer", finalize_answer)
builder.add_edge(START, "generate_query")
builder.add_conditional_edges(
"generate_query", continue_to_web_research, ["web_research"]
)
builder.add_edge("web_research", "reflection")
builder.add_conditional_edges(
"reflection", evaluate_research, ["web_research", "finalize_answer"]
)
builder.add_edge("finalize_answer", END)
graph = builder.compile(name="pro-search-agent")
|
所以，后续的文章，我们会使用 langgraph 整一个web app 出来。大家保持关注就好。