Agent 核心算法
June 18, 2026 · View on GitHub
Agent 推理与规划的核心范式：ReAct / Chain-of-Thought / 自我反思（Reflexion）/ Tree-of-Thought，以及工具调用解析。本模块自包含、纯标准库可运行，无需真实大模型或联网。
为离线跑通做两处「hack」：
- 工具 hack：用本地事实字典 + 安全算术求值模拟搜索引擎与计算器；
- LLM hack：用手写规则策略（mock LLM）扮演大模型，把 Agent 控制流清晰暴露出来。
📌 返回 项目主 README ｜ 总览见主页 模块导航
文件清单
| 文件 | 你将学到 | 关键实现 |
|---|---|---|
react_agent.ipynb | ReAct / CoT / 自我反思 / Tree-of-Thought 与工具调用解析 | search · calculator（工具 hack）· parse_action（方括号 / JSON 两种工具调用解析）· react_agent（手写 ReAct 循环）· reflexion_loop（反思重试）· tot_solve_24（思维树搜索 24 点） |
各方法一句话核心
| 方法 | 核心 | 适用场景 |
|---|---|---|
| CoT | 显式写出中间推理步骤 | 多步推理 / 算术 / 常识 |
| ReAct | 推理与工具调用交替（Thought → Action → Observation） | 需要外部知识 / 工具的任务 |
| Reflexion | 失败后写反思并重试 | 可验证结果、允许多次尝试 |
| Tree-of-Thought | 在思维树上生成分支 + 评估 + 搜索 | 需要探索 / 回溯的难题（如 24 点、规划） |
接入真实 LLM 时，只需把 mock_react_llm / attempt 等替换为对模型的调用，把 TOOLS 换成真实工具即可。
依赖
仅需 Python 标准库（re / json / itertools / collections）。
pip install jupyter # 仅用于打开 notebook