react.js标签_AI Agent技术社区

react.js

C++ 手写 AI 编程 Agent（1）：AI Agent 概念入门与 ReAct 架构设计

C++手写AI编程Agent（1）：概念入门与ReAct架构设计本文是《C++手写AI编程Agent》系列的第一篇，主要介绍了AI Agent的基本概念及其与普通Chatbot的区别。文章重点解析了ReAct（Reasoning + Acting）范式的运作机制，包括推理与行动的交替循环过程。同时讲解了Tool Use Protocol（工具使用协议）的核心流程，展示了Agent如何定义、选择和

 编程的一拳超人
2026-08-24 19:56:19

 406

 10

#c++#人工智能 #react.js
第08篇-工具注册框架设计-可扩展的工具生态

用 Go 语言从零构建各类 AI Agent，覆盖 ReAct、Plan-and-Execute、Multi-Agent、Super Agent 等核心设计模式的完整工程实现。：第 07 篇我们让 ReAct 引擎跑起来了，但工具是这种最朴素的存法——加一个工具要手写一段注册代码，改个描述要翻三处文件。当工具数量从 3 个涨到 30 个、再到 300 个（想象接 MCP 之后），这种手工作坊式管理

 有脚就行
2026-08-24 09:51:00

 352

 6

#javascript #前端 #react.js
第07篇-ReAct模式详解-推理与行动的交替循环

用 Go 语言从零构建各类 AI Agent，覆盖 ReAct、Plan-and-Execute、Multi-Agent、Super Agent 等核心设计模式的完整工程实现。。从本篇起，我们进入「单 Agent 架构与工具系统」。ReAct 是所有 Agent 范式的鼻祖，后续的 Plan-and-Execute、Tree-of-Thoughts、多智能体编排，本质上都是对 ReAct 循环的变

 有脚就行
2026-08-24 09:50:51

 381

 11

#react.js #前端 #前端框架
ReAct + 自我反思（Self-Reflection）机制：让AI Agent从“试错”走向“自省”

ReAct由Yao等人于2022年提出，其核心是将推理轨迹（Thought）与动作执行（Action）交织在一起。Thought：模型根据当前状态思考下一步该做什么。Action：调用一个外部工具（如搜索引擎、计算器、数据库查询）。：记录工具返回的结果。重复以上步骤，直到得到最终答案（Final Answer）。这种设计让模型能够动态利用外部信息，克服纯参数化知识在时效性、精确性上的局限。我们使用

 网络爬虫大揭秘
2026-08-17 15:10:42

 231

#react.js #人工智能 #前端 +4
ReAct Agent执行细节深度解析：从 Thought-Action-Observation 循环到安全护栏

ReAct（Reasoning + Acting）是 2022 年由 Google 和普林斯顿提出的框架，核心思想是让语言模型交替进行推理和行动，而不是一次性生成最终答案。- 用户提问 → 模型思考 → 生成最终答案- 问题：模型在"真空"中思考，无法获取外部信息- 用户提问 → Thought(思考) → Action(行动) → Observation(观察) → Thought → Acti

2401_82819240
2026-07-20 09:46:16

 367

 7

#react.js #安全 #javascript +2
agent工作模式之ReAct实战

这段代码是一个很典型的显式 ReAct demo：模型负责思考和选择工具，程序负责执行工具和回填 observation，最后由模型基于证据链生成排障报告真正使用 ReAct 时，基础的prompt是固定的，重要的是把工具边界、参数校验、最大轮次、成本控制、审计日志和证据链做好。

交友如交
2026-06-28 15:31:55

 220

 6

#react.js #前端 #javascript
66-ReAct模式深度解析-Agent推理循环-搜索计算实战

本文系统拆解ReAct（Reasoning + Acting）——当前应用最广泛的Agent推理模式。文章从ReAct的核心循环（Thought→Action→Observation）入手，逐层讲解每一步的设计原理和Prompt模板构成，并给出三个实战案例：搜索计算Agent、数据库查询Agent、多工具协同Agent。通过Mermaid循环图展示ReAct的完整推理链路，并与纯推理（CoT）和纯

 码云骑士
2026-07-16 22:28:26

 236

 4

#react.js #前端 #前端框架 +1
Agent面经

简单讲讲你的Agent项目？基于大模型实现ReAct模式下的自主规划能力，解决长线任务，学习检索与记忆规划。我的项目核心就是ReAct框架。ReAct不是让模型一次性吐答案，而是把它塞进一个“思考-行动-观察”的循环里。实际工程里，这个循环是在代码里用while实现的，每个循环把Thought + Action + Observation 拼成新的上下文喂给模型，直到模型输出Fianl Answe

菜小麒
2026-07-27 22:49:15

 220

 4

#前端 #react.js #前端框架
真正的 Agent 工程：给一个不确定的大脑，造一副确定的身体

大模型有一个非常特殊的特点：它很聪明，但它不是确定性的。同一个问题，两次回答可能不同。它会遗漏信息，会误判工具，会生成不完整计划，也可能因为上下文变化而改变决策。但真实业务系统不能完全依靠这种不确定性运行。订单不能“可能创建成功”。付款不能“模型觉得大概完成了”。审批不能“上下文摘要里好像通过了”。用状态机约束任务用数据库保存事实用 Tool Schema 约束动作用权限限制能力用 Sandbox

w1345360200
2026-08-04 11:47:39

 588

 18

#前端 #react.js #前端框架
Hermes Agent Loop 深度解析：一次请求如何变成可执行的多轮智能体

如果把 Hermes Agent 看成一个产品，它包含 CLI、TUI、Gateway、Cron、ACP、插件、Skills、Memory、MCP、浏览器和多平台消息接入。

Python编程杰哥
2026-07-23 22:21:30

 203

 3

#中间件 #性能优化 #数据库 +4
从零构建NL2SQL 系统：基于 ReAct Agent 的智能数据分析助手

这个项目的目标不是做一个"能跑就行"的 Demo，而是按照企业级标准，把 NL2SQL 的每个环节都考虑周全——Schema Linking 怎么设计、安全怎么保障、权限怎么隔离、失败怎么兜底。如果你也在做类似的方向，或者想在公司内部搭建自然语言查数工具，希望这个项目能给你一些参考。如果你觉得项目对你有帮助，欢迎 Star ⭐️ 有任何问题或建议，欢迎提 Issue 或 PR 交流。

知还150
2026-07-19 10:24:02

 369

 6

#react.js #数据分析 #前端 +1
Agent到底需要什么样的记忆？上交清华横评12套记忆方案

上交、清华和 MemTensor 的这项研究把 Agent 记忆拆成表示存储、抽取、检索路由和维护四个数据管理模块，并用 12 套代表系统的统一实验说明：长期记忆的瓶颈已经从“能不能存”转向“能不能在更新、检索、成本之间稳定取舍”。

大靠山
2026-08-03 21:14:02

 220

 3

#人工智能 #架构 #react.js +2
【智能体开发】《LangChain核心技术与LLM项目实践》_77.[第8章 Agent系统] 结构化输入ReAct：处理复杂参数的Agent

定义好的模型结构，是成功的一半。从工具函数的签名反推模型，而不是凭空设计。"""查询用户订单"""...用LangChain的@tooluser_id: str = Field(description="用户ID，U开头")start_date: str = Field(description="开始日期，YYYY-MM-DD格式")end_date: str = Field(descriptio

机器爱上学习
2026-07-01 09:26:18

 175

 2

#react.js #javascript
2026/7/10学习agent ReAct自动循环agent

│② 行动│ ← 执行工具 → 返回 { status:“已发货”, trackingNo:“SF123” }└──────────────────────────────→ 以上三点拼成一个自动循环 Agent。│最终回复│ → “亲，您的订单已发货，快递 SF123 已到达北京分拣中心~”││└──────────→ ② 可调用的工具。│└─────────────────→ ① 推理引擎。─

叮咚前端
2026-07-10 17:38:29

 218

 6

#react.js #学习 #前端
Agent记忆系统的主矛盾：从存储问题到上下文调度

Agent 记忆系统的核心，不是“要不要向量库”，也不是“该不该上知识图谱”。

Python_金钱豹
2026-07-03 21:16:05

 225

 5

#前端 #html #javascript +4
从ReAct到Plan-and-Execute：Agent推理框架演进全解析

大语言模型（LLM）的爆发式发展带来了人工智能落地的新范式：以LLM为认知核心的智能体（Agent）能够自主完成开放域复杂任务，打破了传统AI只能解决单一封闭域问题的边界。但早期LLM推理范式存在两个核心缺陷：一是以思维链（CoT）为代表的纯推理范式无法与外部环境交互，无法获取实时信息、无法调用工具执行操作，存在天然的知识截止与能力边界；二是以Toolformer为代表的纯工具调用范式缺乏逻辑推理

 AI大模型应用之禅
2026-06-22 19:27:24

 175

 6

#react.js #前端 #前端框架
Tool 配对完整性：ReAct Agent 最隐蔽的 Bug

你的 ReAct Agent 是否陷入工具反复调用的死循环？本文揭秘消息截断破坏 Tool 配对的隐蔽 Bug，提供原子写入与孤儿剥离的修复方案，助你彻底消除"缺失结果"警告！🛠️

yweng18
2026-07-12 05:32:08

 267

 3

#react.js #bug #前端 +1
腾讯给Agent记忆装上“自检“：350万token上下文不崩，性能还反超

一句话讲清楚👉🏻** 这项工作给长程 LLM Agent 的记忆摘要加了一个叫 Belief Entropy 的"自检信号"，在每一步摘要时实时衡量模型对任务状态还有多迷糊，并把它当作密集奖励来训练记忆策略，让 Agent 在 350 万 token 的超长上下文里依然不丢线索。

Python_金钱豹
2026-05-31 20:37:26

 256

 3

#java #人工智能 #数据库 +4
字节二面，我霸气反问：“你说你们部门做agent项目，说说Function Call、MCP、A2A、ReAct这些你们都是怎么做的”，面试官一直在擦汗。。

面试官一般这么问："你们项目里用的是 LLM 直接调用还是 Agent？为什么这么选？"或者"Agent 比 LLM 多了什么？如果让你从零设计一个 Agent，你会怎么做？"

程序猿李巡天
2026-06-24 21:49:17

 172

 7

#react.js #前端 #前端框架 +4
GraphRAG × Agentic RAG 深度解析：从原理到生产落地的企业级智能检索架构全解

很多团队第一次做 RAG，路径都非常相似：

Python编程杰哥
2026-06-13 20:57:16

 348

 9

#架构 #人工智能 #算法 +4
[260404] x-cmd 更新 v0.8.12：agent 部件化上线！weixin react 微信消息直接当命令跑！

🚀 x-cmd v0.8.12 带来三大重磅更新： agent模块部件化：新增request单次请求和job长期任务功能，支持AI对话澄清需求并自动迭代执行，未来可灵活组合工作流 weixin模块革新：react命令实现微信消息即时转命令执行，repl模式让微信变身命令行机器人 docker模块修复：解决基础镜像用户存在但home目录缺失时的构建问题本次更新强化了AI协同能力，微信交互体验和系

 edwinjhlee
2026-04-04 20:06:17

 459

 17

#react.js #微信 #前端 +1
从 ReAct 到 Plan-and-Solve：Agent 推理模式的效率对比

想象一下：你正在开发一个。

大数据洞察
2026-04-19 21:09:55

 251

 6

#react.js #前端 #前端框架
ReAct 框架实战：50 行代码实现一个最小 Agent Loop

它让模型在推理和行动之间交替：先判断下一步该做什么，再调用工具，再根据观察结果继续。说实话，ReAct 是理解 Agent loop 的入门框架。但工程里不要迷信"让模型一直想"——你真正要设计的是工具、状态、停止条件、错误恢复和 trace。

大靠山
2026-06-30 20:49:11

 193

 8

#react.js #前端 #前端框架 +3
多智能体Agent编排实战：ReAct到GraphWorkflow的几种架构模式

本文探讨了Agent任务编排的几种主流架构，从简单到复杂逐步拆解。首先介绍ReAct循环（思考-行动-观察）的基础实现，适用于简单工具调用场景；其次分析路由模式，通过分类将任务分派给专用流程；然后讨论流水线架构，适合固定阶段的任务；接着展示多Agent协作的两种模式（分工和接力），强调状态共享的重要性；最后介绍GraphWorkflow如何用有向图统一所有模式，提供显式控制流和可观测性。文章指出，

aitool
2026-08-06 12:56:17

 177

 4

#react.js #架构 #前端
Agent 架构怎么选？ReAct、Workflow、Graph 与 Multi-Agent 的边界

文章摘要：架构选型不是追逐新名词，而是判断任务中有多少不确定性、状态和风险必须交给模型。本文用最小代码、决策树、调用量级和真实演进路径，选择 ReAct、Workflow、Graph 或 Multi-Agent。所属系列：ReAct 与 Agent Loop 工程（6/6）很多 Agent 项目一上来就画出五六个角色：规划 Agent、搜索 Agent、分析 Agent、写作 Agent、审查 A

m0_73324873
2026-08-04 09:04:23

 549

 11

#架构 #react.js #python +2
再谈Agent核心模式：ReAct、Plan-and-Solve 与 ToT

很多 Agent 原型跑得很顺，一进真实业务长链路就开始失控。它能查一个订单，也能调用一个工具，但一旦任务变成“先判断客户等级，再查合同，再核对 SLA，再生成补偿方案，再发起审批”，简单的边想边做就会暴露短板。

程序猿李巡天
2026-04-25 21:03:45

 408

 10

#react.js #javascript #ecmascript +3
Agent运行模式两种模式（ReAct和LangChain）

agent常用的两种模式

 吃番茄不吐籽
2026-03-16 16:32:45

 71

#react.js #前端
【智能体开发】《LangChain核心技术与LLM项目实践》_75.[第8章 Agent系统] ReAct Agent实战：搜索问答场景应用

这篇文章详细介绍了如何使用ReAct框架和LangChain构建一个会思考、会搜索、会验证的智能问答系统。主要内容包括： ReAct核心原理：通过"推理-行动"循环机制，让AI先思考再行动，避免传统LLM直接编造答案的问题。环境搭建：配置LangChain开发环境所需的四大组件（LLM接入、工具集成、记忆管理和Agent编排）。实战开发：从基础ReAct Agent实现到多工具协同调用和对话记

 机器爱上学习
2026-07-01 09:25:57

 184

 1

#react.js #前端
一次详细的Agent落地实战复盘！！!

b. A->Q：这种一般发生在 Agent 需要使用“交互类工具”时出现，用户没有直接提供 Agent 需要的信息而是问了其他咨询的问题，这时需要暂存 Agent 的环境，在通过知识问答的链路给出回复后，Agent 需要获取问答的回复，并自行思考拉回策略，可以在最初的 Agent prompt 中加入这种情况下的需求描述。该场景就涉及到多智能体的协作。大模型输出的格式：Action:[{"tool

派派百晓生
2026-02-24 11:12:29

 716

 7

#react.js #javascript #前端