跳到主要內容
NTPU AI Learn

AI 202 · 模組 3

ReAct：Reasoning + Acting

Agent 為什麼不能只想完再做，而需要一邊推理、一邊行動、一邊觀察？

開始第一節
  • 時長60 分鐘
  • 難度進階
  • 先備知識建議先完成 AI 202 模組 1 與 2；建議先完成 AI 201（MCP）
已完成 0 / 6
同步我的進度加入梯次後，進度可跨裝置保存，講師也能看到

資訊

加入後，你已完成的模組編號會連同「學員代碼」傳送給講師，講師可以看到你的進度。請使用講師提供的代碼，不要輸入姓名、公司機密或其他個資。進度資料與該梯次的其他資料一起保存。

學習目標

  • 說明 ReAct 如何交替進行 Reasoning、Action 與 Observation
  • 描述迴圈：Goal、Reason、Choose Action、Act、Observe、Update State、Reason Again
  • 區分 Reasoning step、Action step、Observation、State update 與 Next-step decision
  • 說明與 AI 201 的關係：哪個工具是安全的，相對於何時以及為什麼選擇它
  • 辨識早期錯誤如何在迴圈中傳播，以及證據如何限制它
  • 用模擬資料為自己的使用案例追蹤一個 ReAct 迴圈

問題與需求

8 分鐘

先全部想完再做，行不通

在模組 2，Agent 建立了 Candidate Plan。但 Plan 是在 Agent 還沒看到全部情況之前寫的。真實的情況會回應：某個來源是空的、某個數字對不上、某個頁面說了出乎意料的內容。本模組的核心問題是：Agent 為什麼不能只想完再做，而需要一邊推理、一邊行動、一邊觀察？

工作情境（模擬）

一位助理被要求找出實驗室預約為何下降。它想了很久，一次寫出完整的 12 步 Plan。結果第 3 步依賴的資料檔，上學期的部分是空的。第 4 到 12 步全都建立在那份檔案上，整份 Plan 必須丟掉。如果助理先執行第 3 步、看了結果之後才決定第 4 步，就能立刻發現問題。

  • 只推理不行動，是對一個還沒看過的世界做猜測
  • 只行動不推理，是一連串沒有理由的動作
  • Observation 是讓推理與現實保持連結的證據
  • 交替進行，讓每個結果都能影響下一個決定

注意

一條聽起來很有把握的推理鏈不是證據。Agent 應該相信它觀察到的，勝過它假設的；人也應該能讀懂 Trace，看出每一步為什麼這樣做。

重點: Reasoning 告訴 Agent 該試什麼；Action 與 Observation 告訴它推理對不對。

核心概念

10 分鐘

ReAct 迴圈

ReAct 是一種讓 Agent 交替進行 Reasoning 與 Acting 的模式，並用每次 Observation 決定接下來要推理什麼。它是一種反覆決策的方式，也是許多 Agent 設計底層的基本迴圈。

ReAct 迴圈
  1. Goal：Agent 想達成的結果
  2. Reason：目前的 State 代表什麼？最好的下一步是什麼？
  3. Choose Action：從可用的 Action 中選一個合適的
  4. Act / Use Tool：執行該 Action
  5. Observe Result：讀取回傳的內容
  6. Update State：記錄現在已知與已完成的事
  7. Reason Again：帶著新的 State 回到 Reason

文字說明：迴圈從 Goal 開始。Agent 對 State 進行 Reasoning 並選擇 Action。它執行（通常是使用工具），然後觀察結果，用所學更新 State，再次 Reasoning。迴圈持續到達成 Goal，或遇到模組 1 的 Stop Condition。

迴圈的一輪（模擬）
部分看起來像什麼
Reasoning「預約下降了，但我不知道是哪間實驗室。應該先依實驗室檢視預約。」
Action打開預約表並依實驗室分組
Observation實驗室 C 下降 40%；其他持平
State update已知：下降只在實驗室 C。未知：原因
Next-step decision檢查實驗室 C 是否有關閉或時間表變動
自我檢測

ReAct 交替進行 Reasoning 與 Acting 的主要原因是什麼？

ReAct 交替進行 Reasoning 與 Acting 的主要原因是什麼？

重點: ReAct：Reason、Act、Observe、Update State、Reason Again，直到達成 Goal 或遇到 Stop Condition。

10 分鐘

一個步驟的五個部分：哪個是哪個？

要閱讀或撰寫 ReAct Trace，你必須分得清五件事。它們很容易混在一起，而混在一起會掩蓋錯誤。

ReAct 步驟的五個部分
部分它回答的問題範例（模擬）
Reasoning step情況代表什麼？該做什麼？「下降可能只在某一間實驗室，所以依實驗室分組。」
Action stepAgent 實際做了什麼？把預約表依實驗室分組
ObservationEnvironment 回傳了什麼？實驗室 C 下降 40%，其他持平
State updateAgent 現在知道什麼、做過什麼？下降定位在實驗室 C；原因未知；已用 1 個 Action
Next-step decision有了新的 State，接下來是什麼？檢查實驗室 C 的時間表；若無法取得，詢問人
  • Reasoning step 是思考；在採取 Action 之前，它不會改變世界上的任何事
  • Observation 不是 Agent 選的；它是 Environment 回傳的任何內容
  • State update 只應記錄觀察到或做過的事，而不是期望的事
  • Next-step decision 應該由 State 推導出來，而不是習慣性地重複上一步

薄弱的 Trace

  • Reasoning 與結果混在同一個句子裡
  • State 從未被寫下來
  • 出現下一步，卻與所見沒有連結

可讀的 Trace

  • 每個部分都有標示且分開
  • 每次 Observation 之後都更新 State
  • 每個下一步都由 State 推導，人可以檢查
自我檢測

Trace 中有一行寫著：「工具回傳錯誤，所以這筆紀錄不存在。」哪個部分被混在一起了？

Trace 中有一行寫著：「工具回傳錯誤，所以這筆紀錄不存在。」哪個部分被混在一起了？

重點: 把 Reasoning、Action、Observation、State update 與 Next-step decision 分開，每一步才能被檢查。

10 分鐘

選擇 Action，以及 AI 201 的位置

許多 ReAct 的 Action 會使用工具。這裡有兩個不同的問題，分屬兩門不同的課程。

AI 201 問的是

  • Agent 可以安全地使用什麼工具？
  • 它可以用什麼權限存取哪些資料？
  • 哪些 Action 需要人確認？

AI 202 問的是

  • Agent 何時、為什麼應該選擇那個工具？
  • 目前的 State 中有什麼證據指向它？
  • Expected Outcome 是什麼？失敗了怎麼辦？

本課程不教工具如何建置或連接。它假設安全的工具已如 AI 201 所述設定好，並專注在使用工具的決定。

以證據驅動的工具選擇（模擬）
State 中的情況合理的 Action原因
需要一個存放在表格中的數字讀取該表格需要的證據就在那裡，而且讀取可以還原
兩個來源互相矛盾找第三個來源，或詢問人默默選一個會掩蓋衝突
下一個 Action 會把資料送到團隊外停止並請求核准不可還原且對外，所以由人決定
需要的工具無法使用說明狀況，選擇其他做法或升級給人不要編造結果

資訊

Human–AI–Human：安全的工具是一種許可，不是一項指示。Agent 每次使用都應有理由，理由應該在 Trace 中看得到，而有實際影響的 Action 應由人確認。
自我檢測

哪一個陳述最能區分 AI 201 與 AI 202？

哪一個陳述最能區分 AI 201 與 AI 202？

重點: AI 201 讓工具可以安全使用；AI 202 根據目前 State 中的證據，決定何時與為什麼使用它。

錯誤傳播

10 分鐘

迴圈中的錯誤傳播

因為每一輪都建立在上一輪的 State 上，迴圈早期的錯誤會擴散。對 Observation 的錯誤解讀會變成錯誤的 State，影響下一個 Reasoning，再影響下一個 Action。這就是錯誤傳播。

一個早期錯誤如何擴散
  1. Observation 被誤讀：一個空檔案被當成「沒有預約」
  2. State 被錯誤更新：「上學期沒有預約」
  3. Reasoning 建立在其上：「所以下降是全面的，去找停用的原因」
  4. Action 跟著 Reasoning：搜尋停用公告
  5. 錯誤的方向持續下去，後面的步驟看起來都與它一致

文字說明：五個階段排成一條鏈。被誤讀的 Observation 產生錯誤的 State；錯誤的 State 產生錯誤的 Reasoning；接著導致錯誤的 Action；Agent 因為之後每一步都與早期的錯誤一致，就很有把握地往錯的方向繼續。

限制錯誤傳播的方法
習慣看起來像什麼
把 Observation 與結論分開先寫下回傳了什麼，再說它代表什麼
檢查出乎意料的結果空的或極端的結果會觸發再看一次，而不是直接下結論
證據優先於假設若 State 中有未驗證的假設，就標示為未驗證
為迴圈設上限步數上限，以及重複錯誤之後的 Stop Condition
在關鍵處讓人介入結果矛盾或下一個 Action 有實際影響時升級給人

資訊

正式的 Evaluation、Verification 與 Reflection 會在後續模組涵蓋。可靠復原的基礎架構屬於其他課程（AI 301 與 AI 302）。這裡的目標只是讀懂 Trace，並看出錯誤是在哪裡進來的。
自我檢測

Agent 讀到一個空的結果，立刻斷定沒有資料，並據此規劃。哪一個習慣最有幫助？

Agent 讀到一個空的結果，立刻斷定沒有資料，並據此規劃。哪一個習慣最有幫助？

重點: 早期的誤讀會擴散到之後每一步。把 Observation 與結論分開，並檢查出乎意料的結果。

實作與應用

12 分鐘

實作：Trace a ReAct Loop

活動 3 要你追蹤一個 ReAct 迴圈。先做範例，再對你自己的使用案例做。請勿在此練習中輸入真實的公司機密、客戶個人資料或任何未經授權的敏感資訊。

示範範例（模擬）。Goal：解釋這學期實驗室預約為何下降
輪次Reasoning stepActionObservationState updateNext-step decision
1不知道下降發生在哪裡；依實驗室分組把預約表依實驗室分組實驗室 C 下降 40%；其他持平下降在實驗室 C；原因未知檢查實驗室 C 的時間表
2關閉或時間表變動可能解釋這件事打開實驗室 C 的時間表兩週標示為「維修中」維修與下降重疊；尚未確認是全部原因與上學期比較
3需要基準來判斷兩週是否能解釋 40%打開實驗室 C 上學期的預約上學期沒有維修；下降相當於兩週流失的預約維修解釋了大部分的下降撰寫說明，並請人確認維修日期
  1. 確認目前的 Goal
    用一句話寫出你使用案例的 Goal，以及你起始的 State。
  2. 寫下 Reasoning 決定並選擇 Action
    寫下你為什麼要做下一件事，然後從可用的 Action 中指出一個。
  3. 檢視 Observation 並更新 State
    如實寫下回傳的內容，再寫下現在已知與尚未知道的事。
  4. 決定下一步
    從新的 State 選擇下一個 Action。至少重複三輪，並註明人應該在哪裡確認。
  • Reasoning step：在該 State 下為什麼這樣做
  • Action step：Agent 做了什麼
  • Observation：回傳了什麼，不加更動
  • State update：現在已知與已完成的事
  • Next-step decision：由新的 State 推導出的下一步

資訊

成果：ReAct Trace，至少三輪的表格，標示五個部分。它會成為你的 Agent Planning & Reasoning Canvas 的一部分。
自我檢測

在你的 Trace 中，哪一項應該放在 Observation 欄？

在你的 Trace 中，哪一項應該放在 Observation 欄？

重點: Human–AI–Human：人定義目標與限制，Agent 一步一步推理與行動並留下可見的 Trace，人審查 Trace 並負責。

另存 PDF

接下來做什麼？