AI Agent 简介及 ReAct 框架工程实践-天翼云开发者社区

1、引言：从 LLM 到 Agent 的范式转变

大模型（LLM）已经具备强大的理解与生成能力，但在复杂任务执行、工具调用、上下文记忆与决策规划等方面仍有限，即缺乏自主规划（Planning）、使用工具（Tool Use）和长期记忆（Memory）的能力。这导致 LLM 无法解决需要多步推理、与实时数据交互或调用外部系统的复杂任务。

AI Agent 范式正是为解决这些局限而生。一个 Agent 是一个将 LLM 作为“大脑”，并赋予其自主性和工具集的软件实体。它能够将一个复杂的最终目标拆解为一系列中间步骤，并根据环境的反馈（Observation）迭代地调整其行动，最终达成目标。LLM 是大脑，Agent 是会思考和行动的智能体。Agent 能够：

拥有目标与计划；
自动选择与调用工具；
进行多步推理与决策；
处理动态环境与反馈

2、AI Agent 基础概念与核心组件

2.1 AI Agent 的定义与核心组件

AI Agent 是一种基于 LLM 的自治实体，能够模拟人类代理行为，通过多步交互完成目标任务。其核心组件包括：

感知模块：捕获用户输入或环境信号（如查询或传感器数据）。
规划模块：利用 LLM 生成行动计划，例如分解任务为子步骤。
行动模块：调用外部工具（如 API、数据库）执行具体操作。
记忆模块：维护上下文历史，支持短期（会话级）和长期（知识库）记忆。
反思模块：评估行动结果，调整后续策略。

这些组件形成一个闭环反馈系统，确保 Agent 的适应性和鲁棒性。

2.2 与传统 AI 系统的区别

传统的 AI 系统（如聊天机器人、推荐系统、图像识别系统等）通常具有以下特征：

特征	描述
被动响应	只能根据输入触发响应，无法主动行动。
单任务模型	只能完成一个明确的任务（如分类、问答、翻译）。
数据驱动但无上下文意识	模型仅依赖输入数据，而缺乏对环境、历史状态的记忆。
黑盒执行	输入 → 模型推理 → 输出，中间没有决策过程或推理链可解释。
可扩展性差	想让系统具备新能力，通常需要重新训练模型或重新部署。
固定流程	系统的逻辑基本是固定的业务流程，不具备动态规划或自我决策能力。

而 AI Agent（智能体） 是能够 感知环境、思考决策、执行行动、反思改进 的智能系统。

特征	描述
主动性 (Proactive)	Agent 可以主动决策与行动，而不是仅等待输入。
多步骤推理 (Reasoning)	具备思考能力，能将复杂任务分解为可执行步骤。
工具使用 (Tool Use)	可调用外部 API、数据库、搜索引擎等工具完成任务。
记忆能力 (Memory)	能保存上下文、历史任务、用户偏好。
反思与改进 (Reflection)	可评估自己行动的结果，优化下一步策略。
多智能体协作 (Collaboration)	多个 Agent 可协同完成任务，如一个计划 Agent + 执行 Agent。

2.3 典型应用场景

场景类别	说明	Agent 主要能力
智能客服 Agent	可自动理解用户意图、追问上下文、调用系统接口执行任务	- 自然语言理解- 工单系统调用- 记忆用户上下文- 自我纠错与追问
智能助理 Agent（AI Copilot）	企业内部知识问答 + 工具调用 + 任务执行，如“帮我生成周报并发邮件”	- 任务分解（ReAct）- 工具使用（API 调用）- 多轮记忆（Memory）
运维/DevOps Agent	主动监控集群、自动诊断告警、执行修复脚本	- 环境感知- 指令生成与执行（如 kubectl 命令）- 异常反思与自愈
数据分析 Agent	根据自然语言自动生成 SQL 查询、可视化报表、洞察分析	- NL2SQL + 执行- 数据洞察（Chain-of-Thought）- 图表生成与解释
教育辅导 Agent	自适应出题、讲解错题、生成学习计划	- 学情建模（Memory）- 内容生成（LLM）- 交互式教学（ReAct）
法律/金融顾问 Agent	解读合同、风险分析、生成建议报告	- 文档解析- 知识检索（RAG）- 推理与解释
多 Agent 协作系统	一个 Planner Agent 拆解任务，多个 Worker Agent 执行	- 任务分工- 通信协议（Message Passing）- 状态管理

3、ReAct 框架介绍

3.1 ReAct 框架的起源与原理

ReAct 框架源于 2022 年 Yao 等人的论文《ReAct: Synergizing Reasoning and Acting in Language Models》，旨在解决 LLM 在工具使用中的幻觉（hallucination）问题。通过交替“推理”（Thought）和“行动”（Action），ReAct 引导模型生成结构化输出：Thought（分析问题）→ Action（工具调用）→ Observation（结果反馈）→ 循环迭代，直至任务完成。

这种机制模拟人类认知过程，提高了 Agent 的可解释性和准确率

3.2. ReAct 的工作流 (Thought → Action → Observation)

ReAct (Reasoning and Acting) 框架通过在 LLM 的输出中交替生成思维链 (Thought) 和行动指令 (Action)，使 Agent 能够执行动态、复杂的任务：

Thought (思考)：LLM 分析当前目标、评估现有信息，并规划下一步要采取的行动。
Action (行动)：LLM 根据 Thought，输出一个格式化的工具调用指令，包含工具名称和所需的输入参数。
Observation (观察)：环境（Agent 运行时）执行 Action，并将工具的实际输出结果返回给 LLM。
迭代：LLM 将 Observation 纳入下一次 Thought 的输入中，直到它得出最终答案，此时 Action 变为 Final Answer。

3.3 ReAct 的 Prompt 工程

ReAct 框架的成功高度依赖于一个结构化的 Prompt，它必须清晰地定义 Agent 的角色、可用工具和强制输出格式。

一个典型的 ReAct Prompt 结构会包含：

角色指令：定义 Agent 的身份和目标。
工具描述：详细描述每个工具的用途、名称和参数 Schema。
输出格式：强制要求 Agent 严格遵循 Thought、Action、Observation 的交替模式。

ReAct 的提示模板通常为：

 Question: [用户查询]
 Thought: [推理步骤]
 Action: [工具名][参数]
 Observation: [工具输出]
 Thought: ...
 Final Answer: [最终结果]

4、LangChain Agent 关键组件介绍

LLM（语言模型）：代理的“大脑”，负责思考、推理、生成计划，作用是接收用户输入 → 理解问题 → 输出“下一步要做什么”（如调用哪个工具或直接回答）
Prompt Template（提示模板）：定义模型思考的框架、用于指导模型如何推理、调用工具、格式化输出。作用是让大模型的输出结构化（例如 “Thought → Action → Observation → Final Answer”）。
Tool（工具）：工具是 Agent 的“手脚”，用于执行模型本身无法直接完成的任务。
Memory（记忆）：保存对话历史、上下文或长期状态，类似于人类的记忆，使 Agent 拥有持续对话能力
Agent Executor（代理执行器）：整个代理系统的核心控制器
- 负责：
  1. 调用 LLM 生成计划；
  2. 根据计划调用合适的工具；
  3. 收集工具结果反馈；
  4. 迭代执行，直到生成最终答案

5、ReAct 框架的工程实践

LangChain 是构建 Agent 应用最流行的框架之一，它抽象了 ReAct 循环、工具管理和 LLM 交互，使得 Agent 的搭建变得高效简洁。

5.1 安装依赖与配置

 pip install langchain langchain-community serpapi

5.2 配置 SerpAPI Key

 在 https://serpapi.com/ 注册后，获取一个 API key。

5.3 定义 Agent 工具（Tools）

 tools = load_tools(["serpapi", "llm-math"], llm=llm)

5.4 代码示例

5.4.1 阿里百炼模型封装

dashscope_llm.py

import os
 from dotenv import load_dotenv
 from langchain_openai import ChatOpenAI
 from typing import Optional, Dict
 
 
 def init_dashscope_llm(
         model_name: str = "qwen-plus",
         temperature: float = 0.0,
         additional_kwargs: Optional[Dict] = None
 ) -> ChatOpenAI:
     """
     初始化阿里百炼 ChatOpenAI 模型实例
 
     Args:
         model_name: 阿里百炼模型名，如 "qwen-plus"、"qwen-turbo"、"qwen-max"
         temperature: 生成温度（0.0~1.0，0.0 更严谨，1.0 更多样）
         additional_kwargs: 额外模型参数（如 max_tokens、top_p 等）
 
     Returns:
         初始化完成的 ChatOpenAI 实例
 
     Raises:
         ValueError: 未配置 DASHSCOPE_API_KEY 时抛出
     """
     # 1. 加载环境变量（从 .env 文件或系统环境变量中读取）
     load_dotenv()  # 若项目中已全局加载，可注释此句（避免重复加载）
     dashscope_api_key = os.getenv("DASHSCOPE_API_KEY")
 
     # 2. 验证 API Key 是否存在
     if not dashscope_api_key:
         raise ValueError(
             "阿里百炼 API Key 未配置！请在 .env 文件中添加 DASHSCOPE_API_KEY=你的密钥，"
             "或在系统环境变量中设置该值"
         )
 
     # 3. 处理额外参数（默认空字典，避免 None 报错）
     additional_kwargs = additional_kwargs or {}
 
     # 4. 初始化并返回模型实例
     return ChatOpenAI(
         api_key=dashscope_api_key,
         base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",  # 阿里百炼固定兼容接口
         model_name=model_name,
         temperature=temperature,
         **additional_kwargs  # 传递额外参数（如 max_tokens=2048）
     )
 
 
 # 可选：提供默认模型实例（方便快速引用，避免每次调用函数）
 default_llm = init_dashscope_llm()

 
5.4.2 搭建 ReAct Agent 实例

 
 import os
 os.environ["OPENAI_API_KEY"] = 'Your OpenAI API Key'
 os.environ["SERPAPI_API_KEY"] = 'Your SERPAPI_API_KEY '
 import logging
 logging.basicConfig(level=logging.DEBUG)
 # 加载所需的库
 from langchain_community.agent_toolkits.load_tools import load_tools
 from langchain.agents import initialize_agent
 from langchain.agents import AgentType
 from dashscope_llm import default_llm
 llm = default_llm
 # 设置工具
 tools = load_tools(["serpapi", "llm-math"], llm=llm)
 # 初始化Agent
 agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=False)
 agent.invoke("如果寒武纪股票最新的股价上涨 15%，它的新价格会是多少？")

5.4.3 日志输出

  agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
 DEBUG:openai._base_client:Request options: {'method': 'post', 'url': '/chat/completions', 'headers': {'X-Stainless-Raw-Response': 'true'}, 'files': None, 'idempotency_key': 'stainless-python-retry-7c4c6806-f4f3-4aa6-a2b4-6371c8ad6889', 'json_data': {'messages': [{'content': 'Answer the following questions as best you can. You have access to the following tools:\n\nSearch(query: str, **kwargs: Any) -> str - A search engine. Useful for when you need to answer questions about current events. Input should be a search query.\nCalculator(*args: Any, callbacks: Union[list[langchain_core.callbacks.base.BaseCallbackHandler], langchain_core.callbacks.base.BaseCallbackManager, NoneType] = None, tags: Optional[list[str]] = None, metadata: Optional[dict[str, Any]] = None, **kwargs: Any) -> Any - Useful for when you need to answer questions about math.\n\nUse the following format:\n\nQuestion: the input question you must answer\nThought: you should always think about what to do\nAction: the action to take, should be one of [Search, Calculator]\nAction Input: the input to the action\nObservation: the result of the action\n... (this Thought/Action/Action Input/Observation can repeat N times)\nThought: I now know the final answer\nFinal Answer: the final answer to the original input question\n\nBegin!\n\nQuestion: 如果寒武纪股票最新的股价上涨 15%，它的新价格会是多少？\nThought:', 'role': 'user'}], 'model': 'qwen-plus', 'stop': ['\nObservation:', '\n\tObservation:'], 'stream': False, 'temperature': 0.0}}
 
 
 > Entering new AgentExecutor chain...
 
 INFO:httpx:HTTP Request: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "HTTP/1.1 200 OK"
 
 DEBUG:openai._base_client:HTTP Response: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "200 OK" Headers({'vary': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding', 'x-request-id': '0035fd50-2891-463e-a985-801a764c77cb', 'x-dashscope-call-gateway': 'true', 'content-type': 'application/json', 'req-cost-time': '2338', 'req-arrive-time': '1759928381012', 'resp-start-time': '1759928383350', 'x-envoy-upstream-service-time': '2337', 'set-cookie': 'acw_tc=0035fd50-2891-463e-a985-801a764c77cb6baf5c54ebff7f2c690c44c0520fc308;path=/;HttpOnly;Max-Age=1800', 'content-encoding': 'gzip', 'date': 'Wed, 08 Oct 2025 12:59:42 GMT', 'server': 'istio-envoy', 'transfer-encoding': 'chunked'})
 DEBUG:openai._base_client:request_id: 0035fd50-2891-463e-a985-801a764c77cb
 Thought: 我需要知道寒武纪股票的当前价格，然后将其乘以1.15（即增加15%）来计算新价格。首先，我必须查找寒武纪股票的最新股价。
 Action: Search
 Action Input: 寒武纪股票最新价格DEBUG:urllib3.connectionpool:Starting new HTTPS connection (1): serpapi.com:443
 DEBUG:urllib3.connectionpool:https://serpapi.com:443 "GET /search?engine=google&google_domain=google.com&gl=us&hl=en&api_key=1eee5c79f6b3789533d5f787c8281241e8bdd05906959bdd6f17de334b5e7264&q=%E5%AF%92%E6%AD%A6%E7%BA%AA%E8%82%A1%E7%A5%A8%E6%9C%80%E6%96%B0%E4%BB%B7%E6%A0%BC&output=json&source=python HTTP/1.1" 200 None
 DEBUG:openai._base_client:Request options: {'method': 'post', 'url': '/chat/completions', 'headers': {'X-Stainless-Raw-Response': 'true'}, 'files': None, 'idempotency_key': 'stainless-python-retry-be0fcf24-47e3-4357-9baa-65c27346fab7', 'json_data': {'messages': [{'content': "Answer the following questions as best you can. You have access to the following tools:\n\nSearch(query: str, **kwargs: Any) -> str - A search engine. Useful for when you need to answer questions about current events. Input should be a search query.\nCalculator(*args: Any, callbacks: Union[list[langchain_core.callbacks.base.BaseCallbackHandler], langchain_core.callbacks.base.BaseCallbackManager, NoneType] = None, tags: Optional[list[str]] = None, metadata: Optional[dict[str, Any]] = None, **kwargs: Any) -> Any - Useful for when you need to answer questions about math.\n\nUse the following format:\n\nQuestion: the input question you must answer\nThought: you should always think about what to do\nAction: the action to take, should be one of [Search, Calculator]\nAction Input: the input to the action\nObservation: the result of the action\n... (this Thought/Action/Action Input/Observation can repeat N times)\nThought: I now know the final answer\nFinal Answer: the final answer to the original input question\n\nBegin!\n\nQuestion: 如果寒武纪股票最新的股价上涨 15%，它的新价格会是多少？\nThought:Thought: 我需要知道寒武纪股票的当前价格，然后将其乘以1.15（即增加15%）来计算新价格。首先，我必须查找寒武纪股票的最新股价。\nAction: Search\nAction Input: 寒武纪股票最新价格\nObservation: ['手机东方财富网是东方财富网的手机门户网站，为亿万用户打造一个手机联通世界的超级平台，提供7*24小时全面及时的财经中文资讯，内容覆盖国内外突发事件、股市资讯、全球新闻', '截至2025年10月07日，寒武纪(688256)的交易价格报1,325.00，前一交易日收于1,323.50，日内波动范围介于1,318.23至1,399.00之间，52周波动范围介于302.32至1,595.88之间。', '寒武纪-U (688256) · 最高价. 1399.00 · 最低价. 1318.23 · 成交量. 865.40万手 · 今开. 1388.00 · 昨收. 1323.50 · 成交额. 117.00亿 · 换手率. 2.07% · 市盈率(静). 亏损.', '雪球为您提供寒武纪-U(SH688256)股票股价,实时行情,热门讨论,最新资讯,最新公告,公司资料,财务数据,财务指标分析等与寒武纪-U(SH688256)股票相关的信息与服务.', '寒武纪定增结果出炉！9月30日晚间，国产AI芯片巨头寒武纪披露了定增结果。此次定增发行价格为1195.02元/股，实际发行数量为333.49万股，募集资金总额达39.85亿元。......', '... 寒武纪、摩尔线程已适配 2025-09-30 22:52 1195.02元！寒武纪刷新A股定增价格最高纪录！ 2025-09-30 22:44 【公告精选】寒武纪定增发行价出炉，*ST正平停牌 ...', '寒武纪(688256)的实时行情，及时准确的提供寒武纪(688256)的flash分时走势、K线图、均价线系统、MACD、KDJ、交易量等全面技术分析，帮你做出及时判断， ...', '提供寒武纪-U(688256)的行情走势、资金流向、行业概念板块排行、成份股排行、大盘分析、证券聚焦、市场总貌、股吧互动等与寒武纪-U(688256)有关的信息和服务。', '430.00% · 前收市價 1,323.50 · 開市 1,388.00 · 買入價 1,325.00 x -- · 賣出價 1,325.30 x -- · 今日波幅 1,318.23 - 1,399.00 · 52 週波幅 302.32 - 1,595.88 · 成交量 ...', '寒武纪(688256.SH) ; SSH高装(全). 931867CNY01. 2023-12-11 ; 沪港深500信息HKD. H30498. 2023-12-11 ; 上证180优选(全)HKD. H40093. 2023-12-11 ; 沪港深500非周期(全).']\nThought:", 'role': 'user'}], 'model': 'qwen-plus', 'stop': ['\nObservation:', '\n\tObservation:'], 'stream': False, 'temperature': 0.0}}
 
 
 Observation: ['手机东方财富网是东方财富网的手机门户网站，为亿万用户打造一个手机联通世界的超级平台，提供7*24小时全面及时的财经中文资讯，内容覆盖国内外突发事件、股市资讯、全球新闻', '截至2025年10月07日，寒武纪(688256)的交易价格报1,325.00，前一交易日收于1,323.50，日内波动范围介于1,318.23至1,399.00之间，52周波动范围介于302.32至1,595.88之间。', '寒武纪-U (688256) · 最高价. 1399.00 · 最低价. 1318.23 · 成交量. 865.40万手 · 今开. 1388.00 · 昨收. 1323.50 · 成交额. 117.00亿 · 换手率. 2.07% · 市盈率(静). 亏损.', '雪球为您提供寒武纪-U(SH688256)股票股价,实时行情,热门讨论,最新资讯,最新公告,公司资料,财务数据,财务指标分析等与寒武纪-U(SH688256)股票相关的信息与服务.', '寒武纪定增结果出炉！9月30日晚间，国产AI芯片巨头寒武纪披露了定增结果。此次定增发行价格为1195.02元/股，实际发行数量为333.49万股，募集资金总额达39.85亿元。......', '... 寒武纪、摩尔线程已适配 2025-09-30 22:52 1195.02元！寒武纪刷新A股定增价格最高纪录！ 2025-09-30 22:44 【公告精选】寒武纪定增发行价出炉，*ST正平停牌 ...', '寒武纪(688256)的实时行情，及时准确的提供寒武纪(688256)的flash分时走势、K线图、均价线系统、MACD、KDJ、交易量等全面技术分析，帮你做出及时判断， ...', '提供寒武纪-U(688256)的行情走势、资金流向、行业概念板块排行、成份股排行、大盘分析、证券聚焦、市场总貌、股吧互动等与寒武纪-U(688256)有关的信息和服务。', '430.00% · 前收市價 1,323.50 · 開市 1,388.00 · 買入價 1,325.00 x -- · 賣出價 1,325.30 x -- · 今日波幅 1,318.23 - 1,399.00 · 52 週波幅 302.32 - 1,595.88 · 成交量 ...', '寒武纪(688256.SH) ; SSH高装(全). 931867CNY01. 2023-12-11 ; 沪港深500信息HKD. H30498. 2023-12-11 ; 上证180优选(全)HKD. H40093. 2023-12-11 ; 沪港深500非周期(全).']
 Thought:Thought: 从搜索结果中可以看到，寒武纪股票（688256）的最新价格为 **1,325.00元**（多个来源显示“交易价格报1,325.00”或“买入价1,325.00”）。现在我需要计算该价格基础上上涨15%后的新价格。
 DEBUG:httpcore.http11:receive_response_headers.complete return_value=(b'HTTP/1.1', 200, b'OK', [(b'vary', b'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding'), (b'x-request-id', b'd7325f58-65c5-48ec-9c7d-d25a77afa2f4'), (b'x-dashscope-call-gateway', b'true'), (b'content-type', b'application/json'), (b'req-cost-time', b'2561'), (b'req-arrive-time', b'1759928385183'), (b'resp-start-time', b'1759928387744'), (b'x-envoy-upstream-service-time', b'2559'), (b'content-encoding', b'gzip'), (b'date', b'Wed, 08 Oct 2025 12:59:47 GMT'), (b'server', b'istio-envoy'), (b'transfer-encoding', b'chunked')])
 INFO:httpx:HTTP Request: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "HTTP/1.1 200 OK"
 
 DEBUG:openai._base_client:HTTP Response: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "200 OK" Headers({'vary': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding', 'x-request-id': 'd7325f58-65c5-48ec-9c7d-d25a77afa2f4', 'x-dashscope-call-gateway': 'true', 'content-type': 'application/json', 'req-cost-time': '2561', 'req-arrive-time': '1759928385183', 'resp-start-time': '1759928387744', 'x-envoy-upstream-service-time': '2559', 'content-encoding': 'gzip', 'date': 'Wed, 08 Oct 2025 12:59:47 GMT', 'server': 'istio-envoy', 'transfer-encoding': 'chunked'})
 DEBUG:openai._base_client:request_id: d7325f58-65c5-48ec-9c7d-d25a77afa2f4
 DEBUG:openai._base_client:Request options: {'method': 'post', 'url': '/chat/completions', 'headers': {'X-Stainless-Raw-Response': 'true'}, 'files': None, 'idempotency_key': 'stainless-python-retry-8813eddc-96c0-4bee-8ab7-1c5978df0b30', 'json_data': {'messages': [{'content': 'Translate a math problem into a expression that can be executed using Python\'s numexpr library. Use the output of running this code to answer the question.\n\nQuestion: ${Question with math problem.}\n```text\n${single line mathematical expression that solves the problem}\n```\n...numexpr.evaluate(text)...\n```output\n${Output of running the code}\n```\nAnswer: ${Answer}\n\nBegin.\n\nQuestion: What is 37593 * 67?\n```text\n37593 * 67\n```\n...numexpr.evaluate("37593 * 67")...\n```output\n2518731\n```\nAnswer: 2518731\n\nQuestion: 37593^(1/5)\n```text\n37593**(1/5)\n```\n...numexpr.evaluate("37593**(1/5)")...\n```output\n8.222831614237718\n```\nAnswer: 8.222831614237718\n\nQuestion: 1325 * 1.15\n', 'role': 'user'}], 'model': 'qwen-plus', 'stop': ['```output'], 'stream': False, 'temperature': 0.0}}
 
 
 Action: Calculator
 Action Input: 1325 * 1.15
 DEBUG:httpcore.http11:receive_response_headers.complete return_value=(b'HTTP/1.1', 200, b'OK', [(b'vary', b'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding'), (b'x-request-id', b'cfb22cc8-47b1-4417-83c7-26d26a57c267'), (b'x-dashscope-call-gateway', b'true'), (b'content-type', b'application/json'), (b'req-cost-time', b'627'), (b'req-arrive-time', b'1759928387794'), (b'resp-start-time', b'1759928388421'), (b'x-envoy-upstream-service-time', b'626'), (b'content-encoding', b'gzip'), (b'date', b'Wed, 08 Oct 2025 12:59:47 GMT'), (b'server', b'istio-envoy'), (b'transfer-encoding', b'chunked')])
 INFO:httpx:HTTP Request: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "HTTP/1.1 200 OK"
 DEBUG:httpcore.http11:receive_response_body.started request=<Request [b'POST']>
 DEBUG:httpcore.http11:receive_response_body.complete
 DEBUG:httpcore.http11:response_closed.started
 DEBUG:httpcore.http11:response_closed.complete
 DEBUG:openai._base_client:HTTP Response: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "200 OK" Headers({'vary': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding', 'x-request-id': 'cfb22cc8-47b1-4417-83c7-26d26a57c267', 'x-dashscope-call-gateway': 'true', 'content-type': 'application/json', 'req-cost-time': '627', 'req-arrive-time': '1759928387794', 'resp-start-time': '1759928388421', 'x-envoy-upstream-service-time': '626', 'content-encoding': 'gzip', 'date': 'Wed, 08 Oct 2025 12:59:47 GMT', 'server': 'istio-envoy', 'transfer-encoding': 'chunked'})
 DEBUG:openai._base_client:request_id: cfb22cc8-47b1-4417-83c7-26d26a57c267
 DEBUG:openai._base_client:Request options: {'method': 'post', 'url': '/chat/completions', 'headers': {'X-Stainless-Raw-Response': 'true'}, 'files': None, 'idempotency_key': 'stainless-python-retry-05736117-6a98-4beb-97d9-62022155ef06', 'json_data': {'messages': [{'content': "Answer the following questions as best you can. You have access to the following tools:\n\nSearch(query: str, **kwargs: Any) -> str - A search engine. Useful for when you need to answer questions about current events. Input should be a search query.\nCalculator(*args: Any, callbacks: Union[list[langchain_core.callbacks.base.BaseCallbackHandler], langchain_core.callbacks.base.BaseCallbackManager, NoneType] = None, tags: Optional[list[str]] = None, metadata: Optional[dict[str, Any]] = None, **kwargs: Any) -> Any - Useful for when you need to answer questions about math.\n\nUse the following format:\n\nQuestion: the input question you must answer\nThought: you should always think about what to do\nAction: the action to take, should be one of [Search, Calculator]\nAction Input: the input to the action\nObservation: the result of the action\n... (this Thought/Action/Action Input/Observation can repeat N times)\nThought: I now know the final answer\nFinal Answer: the final answer to the original input question\n\nBegin!\n\nQuestion: 如果寒武纪股票最新的股价上涨 15%，它的新价格会是多少？\nThought:Thought: 我需要知道寒武纪股票的当前价格，然后将其乘以1.15（即增加15%）来计算新价格。首先，我必须查找寒武纪股票的最新股价。\nAction: Search\nAction Input: 寒武纪股票最新价格\nObservation: ['手机东方财富网是东方财富网的手机门户网站，为亿万用户打造一个手机联通世界的超级平台，提供7*24小时全面及时的财经中文资讯，内容覆盖国内外突发事件、股市资讯、全球新闻', '截至2025年10月07日，寒武纪(688256)的交易价格报1,325.00，前一交易日收于1,323.50，日内波动范围介于1,318.23至1,399.00之间，52周波动范围介于302.32至1,595.88之间。', '寒武纪-U (688256) · 最高价. 1399.00 · 最低价. 1318.23 · 成交量. 865.40万手 · 今开. 1388.00 · 昨收. 1323.50 · 成交额. 117.00亿 · 换手率. 2.07% · 市盈率(静). 亏损.', '雪球为您提供寒武纪-U(SH688256)股票股价,实时行情,热门讨论,最新资讯,最新公告,公司资料,财务数据,财务指标分析等与寒武纪-U(SH688256)股票相关的信息与服务.', '寒武纪定增结果出炉！9月30日晚间，国产AI芯片巨头寒武纪披露了定增结果。此次定增发行价格为1195.02元/股，实际发行数量为333.49万股，募集资金总额达39.85亿元。......', '... 寒武纪、摩尔线程已适配 2025-09-30 22:52 1195.02元！寒武纪刷新A股定增价格最高纪录！ 2025-09-30 22:44 【公告精选】寒武纪定增发行价出炉，*ST正平停牌 ...', '寒武纪(688256)的实时行情，及时准确的提供寒武纪(688256)的flash分时走势、K线图、均价线系统、MACD、KDJ、交易量等全面技术分析，帮你做出及时判断， ...', '提供寒武纪-U(688256)的行情走势、资金流向、行业概念板块排行、成份股排行、大盘分析、证券聚焦、市场总貌、股吧互动等与寒武纪-U(688256)有关的信息和服务。', '430.00% · 前收市價 1,323.50 · 開市 1,388.00 · 買入價 1,325.00 x -- · 賣出價 1,325.30 x -- · 今日波幅 1,318.23 - 1,399.00 · 52 週波幅 302.32 - 1,595.88 · 成交量 ...', '寒武纪(688256.SH) ; SSH高装(全). 931867CNY01. 2023-12-11 ; 沪港深500信息HKD. H30498. 2023-12-11 ; 上证180优选(全)HKD. H40093. 2023-12-11 ; 沪港深500非周期(全).']\nThought:Thought: 从搜索结果中可以看到，寒武纪股票（688256）的最新价格为 **1,325.00元**（多个来源显示“交易价格报1,325.00”或“买入价1,325.00”）。现在我需要计算该价格基础上上涨15%后的新价格。\n\nAction: Calculator\nAction Input: 1325 * 1.15\nObservation: Answer: 1523.7499999999998\nThought:", 'role': 'user'}], 'model': 'qwen-plus', 'stop': ['\nObservation:', '\n\tObservation:'], 'stream': False, 'temperature': 0.0}}
 
 Observation: Answer: 1523.7499999999998
 Thought:Thought: 计算结果显示，寒武纪股票在当前价格1,325.00元上涨15%后的新价格约为1,523.75元。
 DEBUG:httpcore.http11:receive_response_headers.complete return_value=(b'HTTP/1.1', 200, b'OK', [(b'vary', b'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding'), (b'x-request-id', b'ed8e8993-3fdd-4920-aa7d-9c6a8101b078'), (b'x-dashscope-call-gateway', b'true'), (b'content-type', b'application/json'), (b'req-cost-time', b'2228'), (b'req-arrive-time', b'1759928388486'), (b'resp-start-time', b'1759928390714'), (b'x-envoy-upstream-service-time', b'2226'), (b'content-encoding', b'gzip'), (b'date', b'Wed, 08 Oct 2025 12:59:50 GMT'), (b'server', b'istio-envoy'), (b'transfer-encoding', b'chunked')])
 INFO:httpx:HTTP Request: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "HTTP/1.1 200 OK"
 
 DEBUG:openai._base_client:HTTP Response: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "200 OK" Headers({'vary': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding', 'x-request-id': 'ed8e8993-3fdd-4920-aa7d-9c6a8101b078', 'x-dashscope-call-gateway': 'true', 'content-type': 'application/json', 'req-cost-time': '2228', 'req-arrive-time': '1759928388486', 'resp-start-time': '1759928390714', 'x-envoy-upstream-service-time': '2226', 'content-encoding': 'gzip', 'date': 'Wed, 08 Oct 2025 12:59:50 GMT', 'server': 'istio-envoy', 'transfer-encoding': 'chunked'})
 DEBUG:openai._base_client:request_id: ed8e8993-3fdd-4920-aa7d-9c6a8101b078
 
 Final Answer: 如果寒武纪股票最新股价上涨15%，它的新价格将是约1,523.75元。
 
 > Finished chain.
 
 Process finished with exit code 0

通过 LangChain 的 AgentExecutor 和 verbose=True 选项，我们可以清晰地看到 LLM 如何遵循 ReAct Prompt 的指令，自主地思考（Thought）、选择工具（Action）并利用工具反馈（Observation）来完成多步骤任务。

6 总结与展望

AI Agent 是 LLM 应用的必然趋势，而 ReAct 框架作为其核心推理逻辑，为 Agent 的自主行动和复杂规划提供了强大的支撑。

借助 LangChain 这类成熟的 Python 库，开发者可以快速地将复杂的 ReAct 逻辑部署到生产环境，通过定义清晰的工具和任务，实现高度自动化、智能化的应用。随着 Agent 生态的不断发展，我们期待 ReAct 及其变体将在各个行业中发挥更大的潜力

1、引言：从 LLM 到 Agent 的范式转变

拥有目标与计划；
自动选择与调用工具；
进行多步推理与决策；
处理动态环境与反馈

2、AI Agent 基础概念与核心组件

2.1 AI Agent 的定义与核心组件

AI Agent 是一种基于 LLM 的自治实体，能够模拟人类代理行为，通过多步交互完成目标任务。其核心组件包括：

感知模块：捕获用户输入或环境信号（如查询或传感器数据）。
规划模块：利用 LLM 生成行动计划，例如分解任务为子步骤。
行动模块：调用外部工具（如 API、数据库）执行具体操作。
记忆模块：维护上下文历史，支持短期（会话级）和长期（知识库）记忆。
反思模块：评估行动结果，调整后续策略。

这些组件形成一个闭环反馈系统，确保 Agent 的适应性和鲁棒性。

2.2 与传统 AI 系统的区别

传统的 AI 系统（如聊天机器人、推荐系统、图像识别系统等）通常具有以下特征：

特征	描述
被动响应	只能根据输入触发响应，无法主动行动。
单任务模型	只能完成一个明确的任务（如分类、问答、翻译）。
数据驱动但无上下文意识	模型仅依赖输入数据，而缺乏对环境、历史状态的记忆。
黑盒执行	输入 → 模型推理 → 输出，中间没有决策过程或推理链可解释。
可扩展性差	想让系统具备新能力，通常需要重新训练模型或重新部署。
固定流程	系统的逻辑基本是固定的业务流程，不具备动态规划或自我决策能力。

而 AI Agent（智能体） 是能够 感知环境、思考决策、执行行动、反思改进 的智能系统。

特征	描述
主动性 (Proactive)	Agent 可以主动决策与行动，而不是仅等待输入。
多步骤推理 (Reasoning)	具备思考能力，能将复杂任务分解为可执行步骤。
工具使用 (Tool Use)	可调用外部 API、数据库、搜索引擎等工具完成任务。
记忆能力 (Memory)	能保存上下文、历史任务、用户偏好。
反思与改进 (Reflection)	可评估自己行动的结果，优化下一步策略。
多智能体协作 (Collaboration)	多个 Agent 可协同完成任务，如一个计划 Agent + 执行 Agent。

2.3 典型应用场景

场景类别	说明	Agent 主要能力
智能客服 Agent	可自动理解用户意图、追问上下文、调用系统接口执行任务	- 自然语言理解- 工单系统调用- 记忆用户上下文- 自我纠错与追问
智能助理 Agent（AI Copilot）	企业内部知识问答 + 工具调用 + 任务执行，如“帮我生成周报并发邮件”	- 任务分解（ReAct）- 工具使用（API 调用）- 多轮记忆（Memory）
运维/DevOps Agent	主动监控集群、自动诊断告警、执行修复脚本	- 环境感知- 指令生成与执行（如 kubectl 命令）- 异常反思与自愈
数据分析 Agent	根据自然语言自动生成 SQL 查询、可视化报表、洞察分析	- NL2SQL + 执行- 数据洞察（Chain-of-Thought）- 图表生成与解释
教育辅导 Agent	自适应出题、讲解错题、生成学习计划	- 学情建模（Memory）- 内容生成（LLM）- 交互式教学（ReAct）
法律/金融顾问 Agent	解读合同、风险分析、生成建议报告	- 文档解析- 知识检索（RAG）- 推理与解释
多 Agent 协作系统	一个 Planner Agent 拆解任务，多个 Worker Agent 执行	- 任务分工- 通信协议（Message Passing）- 状态管理

3、ReAct 框架介绍

3.1 ReAct 框架的起源与原理

这种机制模拟人类认知过程，提高了 Agent 的可解释性和准确率

3.2. ReAct 的工作流 (Thought → Action → Observation)

ReAct (Reasoning and Acting) 框架通过在 LLM 的输出中交替生成思维链 (Thought) 和行动指令 (Action)，使 Agent 能够执行动态、复杂的任务：

Thought (思考)：LLM 分析当前目标、评估现有信息，并规划下一步要采取的行动。
Action (行动)：LLM 根据 Thought，输出一个格式化的工具调用指令，包含工具名称和所需的输入参数。
Observation (观察)：环境（Agent 运行时）执行 Action，并将工具的实际输出结果返回给 LLM。
迭代：LLM 将 Observation 纳入下一次 Thought 的输入中，直到它得出最终答案，此时 Action 变为 Final Answer。

3.3 ReAct 的 Prompt 工程

ReAct 框架的成功高度依赖于一个结构化的 Prompt，它必须清晰地定义 Agent 的角色、可用工具和强制输出格式。

一个典型的 ReAct Prompt 结构会包含：

角色指令：定义 Agent 的身份和目标。
工具描述：详细描述每个工具的用途、名称和参数 Schema。
输出格式：强制要求 Agent 严格遵循 Thought、Action、Observation 的交替模式。

ReAct 的提示模板通常为：

 Question: [用户查询]
 Thought: [推理步骤]
 Action: [工具名][参数]
 Observation: [工具输出]
 Thought: ...
 Final Answer: [最终结果]

4、LangChain Agent 关键组件介绍

LLM（语言模型）：代理的“大脑”，负责思考、推理、生成计划，作用是接收用户输入 → 理解问题 → 输出“下一步要做什么”（如调用哪个工具或直接回答）
Prompt Template（提示模板）：定义模型思考的框架、用于指导模型如何推理、调用工具、格式化输出。作用是让大模型的输出结构化（例如 “Thought → Action → Observation → Final Answer”）。
Tool（工具）：工具是 Agent 的“手脚”，用于执行模型本身无法直接完成的任务。
Memory（记忆）：保存对话历史、上下文或长期状态，类似于人类的记忆，使 Agent 拥有持续对话能力
Agent Executor（代理执行器）：整个代理系统的核心控制器
- 负责：
  1. 调用 LLM 生成计划；
  2. 根据计划调用合适的工具；
  3. 收集工具结果反馈；
  4. 迭代执行，直到生成最终答案

5、ReAct 框架的工程实践

LangChain 是构建 Agent 应用最流行的框架之一，它抽象了 ReAct 循环、工具管理和 LLM 交互，使得 Agent 的搭建变得高效简洁。

5.1 安装依赖与配置

 pip install langchain langchain-community serpapi

5.2 配置 SerpAPI Key

 在 https://serpapi.com/ 注册后，获取一个 API key。

5.3 定义 Agent 工具（Tools）

 tools = load_tools(["serpapi", "llm-math"], llm=llm)

5.4 代码示例

5.4.1 阿里百炼模型封装

dashscope_llm.py

import os
 from dotenv import load_dotenv
 from langchain_openai import ChatOpenAI
 from typing import Optional, Dict
 
 
 def init_dashscope_llm(
         model_name: str = "qwen-plus",
         temperature: float = 0.0,
         additional_kwargs: Optional[Dict] = None
 ) -> ChatOpenAI:
     """
     初始化阿里百炼 ChatOpenAI 模型实例
 
     Args:
         model_name: 阿里百炼模型名，如 "qwen-plus"、"qwen-turbo"、"qwen-max"
         temperature: 生成温度（0.0~1.0，0.0 更严谨，1.0 更多样）
         additional_kwargs: 额外模型参数（如 max_tokens、top_p 等）
 
     Returns:
         初始化完成的 ChatOpenAI 实例
 
     Raises:
         ValueError: 未配置 DASHSCOPE_API_KEY 时抛出
     """
     # 1. 加载环境变量（从 .env 文件或系统环境变量中读取）
     load_dotenv()  # 若项目中已全局加载，可注释此句（避免重复加载）
     dashscope_api_key = os.getenv("DASHSCOPE_API_KEY")
 
     # 2. 验证 API Key 是否存在
     if not dashscope_api_key:
         raise ValueError(
             "阿里百炼 API Key 未配置！请在 .env 文件中添加 DASHSCOPE_API_KEY=你的密钥，"
             "或在系统环境变量中设置该值"
         )
 
     # 3. 处理额外参数（默认空字典，避免 None 报错）
     additional_kwargs = additional_kwargs or {}
 
     # 4. 初始化并返回模型实例
     return ChatOpenAI(
         api_key=dashscope_api_key,
         base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",  # 阿里百炼固定兼容接口
         model_name=model_name,
         temperature=temperature,
         **additional_kwargs  # 传递额外参数（如 max_tokens=2048）
     )
 
 
 # 可选：提供默认模型实例（方便快速引用，避免每次调用函数）
 default_llm = init_dashscope_llm()

 
5.4.2 搭建 ReAct Agent 实例

 
 import os
 os.environ["OPENAI_API_KEY"] = 'Your OpenAI API Key'
 os.environ["SERPAPI_API_KEY"] = 'Your SERPAPI_API_KEY '
 import logging
 logging.basicConfig(level=logging.DEBUG)
 # 加载所需的库
 from langchain_community.agent_toolkits.load_tools import load_tools
 from langchain.agents import initialize_agent
 from langchain.agents import AgentType
 from dashscope_llm import default_llm
 llm = default_llm
 # 设置工具
 tools = load_tools(["serpapi", "llm-math"], llm=llm)
 # 初始化Agent
 agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=False)
 agent.invoke("如果寒武纪股票最新的股价上涨 15%，它的新价格会是多少？")

5.4.3 日志输出

  agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
 DEBUG:openai._base_client:Request options: {'method': 'post', 'url': '/chat/completions', 'headers': {'X-Stainless-Raw-Response': 'true'}, 'files': None, 'idempotency_key': 'stainless-python-retry-7c4c6806-f4f3-4aa6-a2b4-6371c8ad6889', 'json_data': {'messages': [{'content': 'Answer the following questions as best you can. You have access to the following tools:\n\nSearch(query: str, **kwargs: Any) -> str - A search engine. Useful for when you need to answer questions about current events. Input should be a search query.\nCalculator(*args: Any, callbacks: Union[list[langchain_core.callbacks.base.BaseCallbackHandler], langchain_core.callbacks.base.BaseCallbackManager, NoneType] = None, tags: Optional[list[str]] = None, metadata: Optional[dict[str, Any]] = None, **kwargs: Any) -> Any - Useful for when you need to answer questions about math.\n\nUse the following format:\n\nQuestion: the input question you must answer\nThought: you should always think about what to do\nAction: the action to take, should be one of [Search, Calculator]\nAction Input: the input to the action\nObservation: the result of the action\n... (this Thought/Action/Action Input/Observation can repeat N times)\nThought: I now know the final answer\nFinal Answer: the final answer to the original input question\n\nBegin!\n\nQuestion: 如果寒武纪股票最新的股价上涨 15%，它的新价格会是多少？\nThought:', 'role': 'user'}], 'model': 'qwen-plus', 'stop': ['\nObservation:', '\n\tObservation:'], 'stream': False, 'temperature': 0.0}}
 
 
 > Entering new AgentExecutor chain...
 
 INFO:httpx:HTTP Request: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "HTTP/1.1 200 OK"
 
 DEBUG:openai._base_client:HTTP Response: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "200 OK" Headers({'vary': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding', 'x-request-id': '0035fd50-2891-463e-a985-801a764c77cb', 'x-dashscope-call-gateway': 'true', 'content-type': 'application/json', 'req-cost-time': '2338', 'req-arrive-time': '1759928381012', 'resp-start-time': '1759928383350', 'x-envoy-upstream-service-time': '2337', 'set-cookie': 'acw_tc=0035fd50-2891-463e-a985-801a764c77cb6baf5c54ebff7f2c690c44c0520fc308;path=/;HttpOnly;Max-Age=1800', 'content-encoding': 'gzip', 'date': 'Wed, 08 Oct 2025 12:59:42 GMT', 'server': 'istio-envoy', 'transfer-encoding': 'chunked'})
 DEBUG:openai._base_client:request_id: 0035fd50-2891-463e-a985-801a764c77cb
 Thought: 我需要知道寒武纪股票的当前价格，然后将其乘以1.15（即增加15%）来计算新价格。首先，我必须查找寒武纪股票的最新股价。
 Action: Search
 Action Input: 寒武纪股票最新价格DEBUG:urllib3.connectionpool:Starting new HTTPS connection (1): serpapi.com:443
 DEBUG:urllib3.connectionpool:https://serpapi.com:443 "GET /search?engine=google&google_domain=google.com&gl=us&hl=en&api_key=1eee5c79f6b3789533d5f787c8281241e8bdd05906959bdd6f17de334b5e7264&q=%E5%AF%92%E6%AD%A6%E7%BA%AA%E8%82%A1%E7%A5%A8%E6%9C%80%E6%96%B0%E4%BB%B7%E6%A0%BC&output=json&source=python HTTP/1.1" 200 None
 DEBUG:openai._base_client:Request options: {'method': 'post', 'url': '/chat/completions', 'headers': {'X-Stainless-Raw-Response': 'true'}, 'files': None, 'idempotency_key': 'stainless-python-retry-be0fcf24-47e3-4357-9baa-65c27346fab7', 'json_data': {'messages': [{'content': "Answer the following questions as best you can. You have access to the following tools:\n\nSearch(query: str, **kwargs: Any) -> str - A search engine. Useful for when you need to answer questions about current events. Input should be a search query.\nCalculator(*args: Any, callbacks: Union[list[langchain_core.callbacks.base.BaseCallbackHandler], langchain_core.callbacks.base.BaseCallbackManager, NoneType] = None, tags: Optional[list[str]] = None, metadata: Optional[dict[str, Any]] = None, **kwargs: Any) -> Any - Useful for when you need to answer questions about math.\n\nUse the following format:\n\nQuestion: the input question you must answer\nThought: you should always think about what to do\nAction: the action to take, should be one of [Search, Calculator]\nAction Input: the input to the action\nObservation: the result of the action\n... (this Thought/Action/Action Input/Observation can repeat N times)\nThought: I now know the final answer\nFinal Answer: the final answer to the original input question\n\nBegin!\n\nQuestion: 如果寒武纪股票最新的股价上涨 15%，它的新价格会是多少？\nThought:Thought: 我需要知道寒武纪股票的当前价格，然后将其乘以1.15（即增加15%）来计算新价格。首先，我必须查找寒武纪股票的最新股价。\nAction: Search\nAction Input: 寒武纪股票最新价格\nObservation: ['手机东方财富网是东方财富网的手机门户网站，为亿万用户打造一个手机联通世界的超级平台，提供7*24小时全面及时的财经中文资讯，内容覆盖国内外突发事件、股市资讯、全球新闻', '截至2025年10月07日，寒武纪(688256)的交易价格报1,325.00，前一交易日收于1,323.50，日内波动范围介于1,318.23至1,399.00之间，52周波动范围介于302.32至1,595.88之间。', '寒武纪-U (688256) · 最高价. 1399.00 · 最低价. 1318.23 · 成交量. 865.40万手 · 今开. 1388.00 · 昨收. 1323.50 · 成交额. 117.00亿 · 换手率. 2.07% · 市盈率(静). 亏损.', '雪球为您提供寒武纪-U(SH688256)股票股价,实时行情,热门讨论,最新资讯,最新公告,公司资料,财务数据,财务指标分析等与寒武纪-U(SH688256)股票相关的信息与服务.', '寒武纪定增结果出炉！9月30日晚间，国产AI芯片巨头寒武纪披露了定增结果。此次定增发行价格为1195.02元/股，实际发行数量为333.49万股，募集资金总额达39.85亿元。......', '... 寒武纪、摩尔线程已适配 2025-09-30 22:52 1195.02元！寒武纪刷新A股定增价格最高纪录！ 2025-09-30 22:44 【公告精选】寒武纪定增发行价出炉，*ST正平停牌 ...', '寒武纪(688256)的实时行情，及时准确的提供寒武纪(688256)的flash分时走势、K线图、均价线系统、MACD、KDJ、交易量等全面技术分析，帮你做出及时判断， ...', '提供寒武纪-U(688256)的行情走势、资金流向、行业概念板块排行、成份股排行、大盘分析、证券聚焦、市场总貌、股吧互动等与寒武纪-U(688256)有关的信息和服务。', '430.00% · 前收市價 1,323.50 · 開市 1,388.00 · 買入價 1,325.00 x -- · 賣出價 1,325.30 x -- · 今日波幅 1,318.23 - 1,399.00 · 52 週波幅 302.32 - 1,595.88 · 成交量 ...', '寒武纪(688256.SH) ; SSH高装(全). 931867CNY01. 2023-12-11 ; 沪港深500信息HKD. H30498. 2023-12-11 ; 上证180优选(全)HKD. H40093. 2023-12-11 ; 沪港深500非周期(全).']\nThought:", 'role': 'user'}], 'model': 'qwen-plus', 'stop': ['\nObservation:', '\n\tObservation:'], 'stream': False, 'temperature': 0.0}}
 
 
 Observation: ['手机东方财富网是东方财富网的手机门户网站，为亿万用户打造一个手机联通世界的超级平台，提供7*24小时全面及时的财经中文资讯，内容覆盖国内外突发事件、股市资讯、全球新闻', '截至2025年10月07日，寒武纪(688256)的交易价格报1,325.00，前一交易日收于1,323.50，日内波动范围介于1,318.23至1,399.00之间，52周波动范围介于302.32至1,595.88之间。', '寒武纪-U (688256) · 最高价. 1399.00 · 最低价. 1318.23 · 成交量. 865.40万手 · 今开. 1388.00 · 昨收. 1323.50 · 成交额. 117.00亿 · 换手率. 2.07% · 市盈率(静). 亏损.', '雪球为您提供寒武纪-U(SH688256)股票股价,实时行情,热门讨论,最新资讯,最新公告,公司资料,财务数据,财务指标分析等与寒武纪-U(SH688256)股票相关的信息与服务.', '寒武纪定增结果出炉！9月30日晚间，国产AI芯片巨头寒武纪披露了定增结果。此次定增发行价格为1195.02元/股，实际发行数量为333.49万股，募集资金总额达39.85亿元。......', '... 寒武纪、摩尔线程已适配 2025-09-30 22:52 1195.02元！寒武纪刷新A股定增价格最高纪录！ 2025-09-30 22:44 【公告精选】寒武纪定增发行价出炉，*ST正平停牌 ...', '寒武纪(688256)的实时行情，及时准确的提供寒武纪(688256)的flash分时走势、K线图、均价线系统、MACD、KDJ、交易量等全面技术分析，帮你做出及时判断， ...', '提供寒武纪-U(688256)的行情走势、资金流向、行业概念板块排行、成份股排行、大盘分析、证券聚焦、市场总貌、股吧互动等与寒武纪-U(688256)有关的信息和服务。', '430.00% · 前收市價 1,323.50 · 開市 1,388.00 · 買入價 1,325.00 x -- · 賣出價 1,325.30 x -- · 今日波幅 1,318.23 - 1,399.00 · 52 週波幅 302.32 - 1,595.88 · 成交量 ...', '寒武纪(688256.SH) ; SSH高装(全). 931867CNY01. 2023-12-11 ; 沪港深500信息HKD. H30498. 2023-12-11 ; 上证180优选(全)HKD. H40093. 2023-12-11 ; 沪港深500非周期(全).']
 Thought:Thought: 从搜索结果中可以看到，寒武纪股票（688256）的最新价格为 **1,325.00元**（多个来源显示“交易价格报1,325.00”或“买入价1,325.00”）。现在我需要计算该价格基础上上涨15%后的新价格。
 DEBUG:httpcore.http11:receive_response_headers.complete return_value=(b'HTTP/1.1', 200, b'OK', [(b'vary', b'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding'), (b'x-request-id', b'd7325f58-65c5-48ec-9c7d-d25a77afa2f4'), (b'x-dashscope-call-gateway', b'true'), (b'content-type', b'application/json'), (b'req-cost-time', b'2561'), (b'req-arrive-time', b'1759928385183'), (b'resp-start-time', b'1759928387744'), (b'x-envoy-upstream-service-time', b'2559'), (b'content-encoding', b'gzip'), (b'date', b'Wed, 08 Oct 2025 12:59:47 GMT'), (b'server', b'istio-envoy'), (b'transfer-encoding', b'chunked')])
 INFO:httpx:HTTP Request: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "HTTP/1.1 200 OK"
 
 DEBUG:openai._base_client:HTTP Response: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "200 OK" Headers({'vary': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding', 'x-request-id': 'd7325f58-65c5-48ec-9c7d-d25a77afa2f4', 'x-dashscope-call-gateway': 'true', 'content-type': 'application/json', 'req-cost-time': '2561', 'req-arrive-time': '1759928385183', 'resp-start-time': '1759928387744', 'x-envoy-upstream-service-time': '2559', 'content-encoding': 'gzip', 'date': 'Wed, 08 Oct 2025 12:59:47 GMT', 'server': 'istio-envoy', 'transfer-encoding': 'chunked'})
 DEBUG:openai._base_client:request_id: d7325f58-65c5-48ec-9c7d-d25a77afa2f4
 DEBUG:openai._base_client:Request options: {'method': 'post', 'url': '/chat/completions', 'headers': {'X-Stainless-Raw-Response': 'true'}, 'files': None, 'idempotency_key': 'stainless-python-retry-8813eddc-96c0-4bee-8ab7-1c5978df0b30', 'json_data': {'messages': [{'content': 'Translate a math problem into a expression that can be executed using Python\'s numexpr library. Use the output of running this code to answer the question.\n\nQuestion: ${Question with math problem.}\n```text\n${single line mathematical expression that solves the problem}\n```\n...numexpr.evaluate(text)...\n```output\n${Output of running the code}\n```\nAnswer: ${Answer}\n\nBegin.\n\nQuestion: What is 37593 * 67?\n```text\n37593 * 67\n```\n...numexpr.evaluate("37593 * 67")...\n```output\n2518731\n```\nAnswer: 2518731\n\nQuestion: 37593^(1/5)\n```text\n37593**(1/5)\n```\n...numexpr.evaluate("37593**(1/5)")...\n```output\n8.222831614237718\n```\nAnswer: 8.222831614237718\n\nQuestion: 1325 * 1.15\n', 'role': 'user'}], 'model': 'qwen-plus', 'stop': ['```output'], 'stream': False, 'temperature': 0.0}}
 
 
 Action: Calculator
 Action Input: 1325 * 1.15
 DEBUG:httpcore.http11:receive_response_headers.complete return_value=(b'HTTP/1.1', 200, b'OK', [(b'vary', b'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding'), (b'x-request-id', b'cfb22cc8-47b1-4417-83c7-26d26a57c267'), (b'x-dashscope-call-gateway', b'true'), (b'content-type', b'application/json'), (b'req-cost-time', b'627'), (b'req-arrive-time', b'1759928387794'), (b'resp-start-time', b'1759928388421'), (b'x-envoy-upstream-service-time', b'626'), (b'content-encoding', b'gzip'), (b'date', b'Wed, 08 Oct 2025 12:59:47 GMT'), (b'server', b'istio-envoy'), (b'transfer-encoding', b'chunked')])
 INFO:httpx:HTTP Request: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "HTTP/1.1 200 OK"
 DEBUG:httpcore.http11:receive_response_body.started request=<Request [b'POST']>
 DEBUG:httpcore.http11:receive_response_body.complete
 DEBUG:httpcore.http11:response_closed.started
 DEBUG:httpcore.http11:response_closed.complete
 DEBUG:openai._base_client:HTTP Response: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "200 OK" Headers({'vary': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding', 'x-request-id': 'cfb22cc8-47b1-4417-83c7-26d26a57c267', 'x-dashscope-call-gateway': 'true', 'content-type': 'application/json', 'req-cost-time': '627', 'req-arrive-time': '1759928387794', 'resp-start-time': '1759928388421', 'x-envoy-upstream-service-time': '626', 'content-encoding': 'gzip', 'date': 'Wed, 08 Oct 2025 12:59:47 GMT', 'server': 'istio-envoy', 'transfer-encoding': 'chunked'})
 DEBUG:openai._base_client:request_id: cfb22cc8-47b1-4417-83c7-26d26a57c267
 DEBUG:openai._base_client:Request options: {'method': 'post', 'url': '/chat/completions', 'headers': {'X-Stainless-Raw-Response': 'true'}, 'files': None, 'idempotency_key': 'stainless-python-retry-05736117-6a98-4beb-97d9-62022155ef06', 'json_data': {'messages': [{'content': "Answer the following questions as best you can. You have access to the following tools:\n\nSearch(query: str, **kwargs: Any) -> str - A search engine. Useful for when you need to answer questions about current events. Input should be a search query.\nCalculator(*args: Any, callbacks: Union[list[langchain_core.callbacks.base.BaseCallbackHandler], langchain_core.callbacks.base.BaseCallbackManager, NoneType] = None, tags: Optional[list[str]] = None, metadata: Optional[dict[str, Any]] = None, **kwargs: Any) -> Any - Useful for when you need to answer questions about math.\n\nUse the following format:\n\nQuestion: the input question you must answer\nThought: you should always think about what to do\nAction: the action to take, should be one of [Search, Calculator]\nAction Input: the input to the action\nObservation: the result of the action\n... (this Thought/Action/Action Input/Observation can repeat N times)\nThought: I now know the final answer\nFinal Answer: the final answer to the original input question\n\nBegin!\n\nQuestion: 如果寒武纪股票最新的股价上涨 15%，它的新价格会是多少？\nThought:Thought: 我需要知道寒武纪股票的当前价格，然后将其乘以1.15（即增加15%）来计算新价格。首先，我必须查找寒武纪股票的最新股价。\nAction: Search\nAction Input: 寒武纪股票最新价格\nObservation: ['手机东方财富网是东方财富网的手机门户网站，为亿万用户打造一个手机联通世界的超级平台，提供7*24小时全面及时的财经中文资讯，内容覆盖国内外突发事件、股市资讯、全球新闻', '截至2025年10月07日，寒武纪(688256)的交易价格报1,325.00，前一交易日收于1,323.50，日内波动范围介于1,318.23至1,399.00之间，52周波动范围介于302.32至1,595.88之间。', '寒武纪-U (688256) · 最高价. 1399.00 · 最低价. 1318.23 · 成交量. 865.40万手 · 今开. 1388.00 · 昨收. 1323.50 · 成交额. 117.00亿 · 换手率. 2.07% · 市盈率(静). 亏损.', '雪球为您提供寒武纪-U(SH688256)股票股价,实时行情,热门讨论,最新资讯,最新公告,公司资料,财务数据,财务指标分析等与寒武纪-U(SH688256)股票相关的信息与服务.', '寒武纪定增结果出炉！9月30日晚间，国产AI芯片巨头寒武纪披露了定增结果。此次定增发行价格为1195.02元/股，实际发行数量为333.49万股，募集资金总额达39.85亿元。......', '... 寒武纪、摩尔线程已适配 2025-09-30 22:52 1195.02元！寒武纪刷新A股定增价格最高纪录！ 2025-09-30 22:44 【公告精选】寒武纪定增发行价出炉，*ST正平停牌 ...', '寒武纪(688256)的实时行情，及时准确的提供寒武纪(688256)的flash分时走势、K线图、均价线系统、MACD、KDJ、交易量等全面技术分析，帮你做出及时判断， ...', '提供寒武纪-U(688256)的行情走势、资金流向、行业概念板块排行、成份股排行、大盘分析、证券聚焦、市场总貌、股吧互动等与寒武纪-U(688256)有关的信息和服务。', '430.00% · 前收市價 1,323.50 · 開市 1,388.00 · 買入價 1,325.00 x -- · 賣出價 1,325.30 x -- · 今日波幅 1,318.23 - 1,399.00 · 52 週波幅 302.32 - 1,595.88 · 成交量 ...', '寒武纪(688256.SH) ; SSH高装(全). 931867CNY01. 2023-12-11 ; 沪港深500信息HKD. H30498. 2023-12-11 ; 上证180优选(全)HKD. H40093. 2023-12-11 ; 沪港深500非周期(全).']\nThought:Thought: 从搜索结果中可以看到，寒武纪股票（688256）的最新价格为 **1,325.00元**（多个来源显示“交易价格报1,325.00”或“买入价1,325.00”）。现在我需要计算该价格基础上上涨15%后的新价格。\n\nAction: Calculator\nAction Input: 1325 * 1.15\nObservation: Answer: 1523.7499999999998\nThought:", 'role': 'user'}], 'model': 'qwen-plus', 'stop': ['\nObservation:', '\n\tObservation:'], 'stream': False, 'temperature': 0.0}}
 
 Observation: Answer: 1523.7499999999998
 Thought:Thought: 计算结果显示，寒武纪股票在当前价格1,325.00元上涨15%后的新价格约为1,523.75元。
 DEBUG:httpcore.http11:receive_response_headers.complete return_value=(b'HTTP/1.1', 200, b'OK', [(b'vary', b'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding'), (b'x-request-id', b'ed8e8993-3fdd-4920-aa7d-9c6a8101b078'), (b'x-dashscope-call-gateway', b'true'), (b'content-type', b'application/json'), (b'req-cost-time', b'2228'), (b'req-arrive-time', b'1759928388486'), (b'resp-start-time', b'1759928390714'), (b'x-envoy-upstream-service-time', b'2226'), (b'content-encoding', b'gzip'), (b'date', b'Wed, 08 Oct 2025 12:59:50 GMT'), (b'server', b'istio-envoy'), (b'transfer-encoding', b'chunked')])
 INFO:httpx:HTTP Request: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "HTTP/1.1 200 OK"
 
 DEBUG:openai._base_client:HTTP Response: POST https://dashscope.aliyuncs.com/compatible-mode/v1/chat/completions "200 OK" Headers({'vary': 'Origin,Access-Control-Request-Method,Access-Control-Request-Headers, Accept-Encoding', 'x-request-id': 'ed8e8993-3fdd-4920-aa7d-9c6a8101b078', 'x-dashscope-call-gateway': 'true', 'content-type': 'application/json', 'req-cost-time': '2228', 'req-arrive-time': '1759928388486', 'resp-start-time': '1759928390714', 'x-envoy-upstream-service-time': '2226', 'content-encoding': 'gzip', 'date': 'Wed, 08 Oct 2025 12:59:50 GMT', 'server': 'istio-envoy', 'transfer-encoding': 'chunked'})
 DEBUG:openai._base_client:request_id: ed8e8993-3fdd-4920-aa7d-9c6a8101b078
 
 Final Answer: 如果寒武纪股票最新股价上涨15%，它的新价格将是约1,523.75元。
 
 > Finished chain.
 
 Process finished with exit code 0

6 总结与展望

AI Agent 是 LLM 应用的必然趋势，而 ReAct 框架作为其核心推理逻辑，为 Agent 的自主行动和复杂规划提供了强大的支撑。

活动

智算服务

应用商城

定价

合作伙伴

开发者

支持与服务

了解天翼云

AI Agent 简介及 ReAct 框架工程实践

1、引言：从 LLM 到 Agent 的范式转变

2、AI Agent 基础概念与核心组件

2.1 AI Agent 的定义与核心组件

2.2 与传统 AI 系统的区别

2.3 典型应用场景

3、ReAct 框架介绍

3.1 ReAct 框架的起源与原理

3.2. ReAct 的工作流 (Thought → Action → Observation)

3.3 ReAct 的 Prompt 工程

4、LangChain Agent 关键组件介绍

5、ReAct 框架的工程实践

5.1 安装依赖与配置

5.2 配置 SerpAPI Key

5.3 定义 Agent 工具（Tools）

5.4 代码示例

5.4.1 阿里百炼模型封装

5.4.3 日志输出

6 总结与展望

AI Agent 简介及 ReAct 框架工程实践

1、引言：从 LLM 到 Agent 的范式转变

2、AI Agent 基础概念与核心组件

2.1 AI Agent 的定义与核心组件

2.2 与传统 AI 系统的区别

2.3 典型应用场景

3、ReAct 框架介绍

3.1 ReAct 框架的起源与原理

3.2. ReAct 的工作流 (Thought → Action → Observation)

3.3 ReAct 的 Prompt 工程

4、LangChain Agent 关键组件介绍

5、ReAct 框架的工程实践

5.1 安装依赖与配置

5.2 配置 SerpAPI Key

5.3 定义 Agent 工具（Tools）

5.4 代码示例

5.4.1 阿里百炼模型封装

5.4.3 日志输出

6 总结与展望