思考：内部推理及 Re-Act 方式

思考（Thought）是 Agent 解决任务的内部推理和规划过程。

这利用 Agent 的大型语言模型（LLM）能力，分析提示词中呈现的信息。

可以将其视为 Agent 的内部对话，Agent 考虑手头的任务，并且制定策略。

Agent 的思考负责获取当前的观察结果，决定下一步采取什么行动。

通过该过程，Agent 可以将复杂问题分解成更小、更易管理的步骤，反思过去的经验，基于新信息不断调整自己的规划。

以下是常见的思考：

思考类型示例
规划“我需要将该任务分解成 3 步：1）收集数据，2）分析趋势，3）生成报告”
分析“根据错误消息，问题似乎与数据库连接参数有关”
决策“考虑到用户的预算限制，我应该推荐中间层选项”
问题解决“为优化该代码，我应该首先对其进行分析，以确定瓶颈”
记忆集成“用户之前提到他们对 Python 的偏好，所以我将提供 Python 示例”
自我反省“我的上一种方法不太奏效，我应该尝试其它策略。”
目标设置“为完成该任务，我需要先建立验收标准”
优先级“在添加新功能前，应先解决安全漏洞”

ReAct 方式

一种关键方法是 ReAct 方式，它是“推理”（思考）与“行动”（行动）的连接。

ReAct 是一种简单的提示词技术，它在让 LLM 解码下个 Token 前附加“让我们一步一步地思考”。

提示模型“一步一步地思考”将引导解码过程生成规划，而非直接生成最终方案，因为模型被鼓励将问题分解为子任务。
这使得模型能够更详细地考虑各个子步骤，这样做通常比直接生成最终方案产生更少的错误。