Day 6：Agent 架构原理——纯 Python 手写 ReAct

🎯 今日目标：不依赖任何框架，手写一个 ReAct Agent 循环。写完你会发现： LangChain/AutoGen 这些框架的核心，就是一个几十行的循环 + 一段格式约定。

⏱ 今日安排（约 2 小时）

📖 第一步：理论学习

1. Agent 到底是什么（四大模块）

LLM 本身只会生成文本。Agent = LLM + 循环 + 工具：让 LLM 的"文本输出"能触发真实的函数执行，再把执行结果喂回去。

2. ReAct：Reasoning + Acting 交替

核心格式约定——LLM 按这个格式输出，你的程序按这个格式解析：

Thought: 我需要先算出 3 + 5 * 2 的结果        ← LLM 推理"下一步干什么"
Action: Calculator                            ← 选择哪个工具
Action Input: 3 + 5 * 2                       ← 工具参数
Observation: 13                               ← 【你的程序】执行工具后填回去
Thought: 我已经拿到结果了
Final Answer: 3 + 5 * 2 = 13                  ← 循环出口

一轮完整流程：构建 prompt（含工具清单 + 历史步骤）→ LLM 输出 → 解析 → 是 Final Answer 就结束，否则执行工具 → 把 Action/Observation 追加进历史 → 再来一轮。

3. 手写循环（伪代码，练习就照这个骨架写）

async def react_agent(user_input, tools, max_steps=10):
    steps = []
    for step in range(max_steps):            # ← 必须有上限，防死循环
        prompt = build_prompt(user_input, steps)   # 工具清单 + 历史 Thought/Action/Observation
        response = await llm_call(prompt)
        thought, action, action_input = parse(response)

        if action 为空:                      # LLM 给了 Final Answer
            return action_input              # ← 循环唯一正常出口

        result = execute_tool(action, action_input)
        steps.append(AgentStep(thought, action, action_input, observation=result))

    return "达到最大步数限制"                 # 防御性兜底

模板内置的 mock LLM 规则：prompt 里最后一个 Action 后面还没有 Observation → 返回工具调用； 已经有了 → 返回 Final Answer（引用工具结果）。所以只要你的循环正确把历史拼进 prompt， 第 2 轮就会拿到最终答案。

🛠 第二步：动手实操

1. 打开模板：day06_practice_template.py，5 个任务：
   • TODO 1.2：get_tools_description() —— 生成放进 prompt 的工具清单
   • TODO 1.3：execute_tool() —— 返回 ToolResult（成功/失败都要兜住）
   • TODO 2.1：build_react_prompt() —— 系统说明 + 工具清单 + 历史 steps + Question
   • TODO 3.1：parse_react_response() —— 正则提取 Thought/Action/Action Input；有 Final Answer 时 action 返回空串、答案放 action_input
   • TODO 4.1：react_agent() 主循环（按伪代码骨架写）
2. 运行自测：python day06_practice_template.py，两个测试都应打出最终回答而不是"达到最大步数"。
3. 验收：python day06_practice_validator.py —— 验收会真跑你的 Agent：计算题答案里必须有 13、 天气题必须有查询结果，Agent 卡死循环会被直接判负。

⚠️ 避坑

• ❌ 不设 max_steps → LLM 反复要求调工具，无限循环烧钱
• ❌ 历史步骤（Action/Observation）不拼回 prompt → LLM 看不到自己做过什么，永远重复第一步
• ❌ 只解析成功路径 → 工具报错时 Agent 崩溃；把错误信息作为 Observation 喂回去，LLM 会自我纠正
• ✅ 每步记录 token 消耗（Day 10 会做），成本要可见

🔗 延伸资源

• ReAct 原始论文
• Lilian Weng: LLM Powered Autonomous Agents（Agent 领域总纲）