ReAct Pattern (Reasoning + Acting)(Алгоритмічний патерн міркування та дії)

1. Огляд концепції та системна проблема

До появи концепції ReAct (опублікованої дослідниками Прінстонського університету та Google Research у 2022 році) у спільноті існував розкол між двома підходами до автоматизації LLM:

1. Chain-of-Thought (Тільки мислення): Модель пише довгі ланцюжки розмірковувань, але не має доступу до зовнішнього світу. У результаті логіка міркувань виглядає переконливо, проте базується на вигаданих фактах і застарілих даних.
2. Act-Only (Тільки дія): Модель викликає API або виконує bash-команди без проміжного самоаналізу. Це призводить до хаотичних повторів, сліпого перебору параметрів та нездатності розв'язати навіть прості багатокрокові задачі.

Патерн ReAct (Reasoning + Acting) об'єднав ці дві сили в єдиний ітеративний цикл: модель спочатку вербалізує свої думки та планує наступний крок, потім виконує цільову дію, аналізує фактичний результат середовища (Observation) і тільки після цього приймає наступне рішення.

2. Архітектурна таксономія та ментальна модель

Класичний крок циклу ReAct складається з трьох послідовних станів:

• 1. Thought (Внутрішнє міркування): Агент аналізує поточний стан задачі, висуває гіпотезу та формулює конкретний намір: «Мені потрібно перевірити, чи запущено сервіс Redis на порту 6379, перш ніж запускати тести». Цей етап критично знижує ймовірність помилок в аргументах тулів.
• 2. Action (Виклик дії / інструменту): Агент формує конкретну дію із суворими параметрами: назва функції та валідний JSON-об'єкт (наприклад, execute_bash(command="systemctl status redis")).
• 3. Observation (Спостереження середовища): Зовнішній рантайм перехоплює дію, виконує її на сервері чи в базі даних і повертає сирий текстовий вивід або код помилки назад у контекст агента.
• 4. Finish / Final Answer (Завершальний стан): Коли агент бачить в останньому Observation, що мета досягнута, він зупиняє цикл і формує підсумкову відповідь користувачу.

3. Технічний пайплайн та внутрішня механіка

Життєвий цикл роботи ReAct-агента у програмному середовищі:

1. Context & Scratchpad Injection (Підготовка промпту): У системний промпт вбудовуються правила взаємодії, описи доступних інструментів та історія попередніх ітерацій поточного сеансу (Scratchpad).
2. Inference with Tool Delimiter (Генерація міркування та наміру): LLM генерує токени секції Thought. Щойно модель доходить до виклику інструменту, генерація призупиняється клієнтом, а аргументи виклику валідуються.
3. Execution & Observation Feedback (Виконання в середовищі): Оркестратор передає команду відповідній підсистемі (локальному терміналу, базі даних чи браузеру), зчитує вивід, обмежує його довжину для економії токенів і додає повідомлення Observation: ... до контексту.
4. Loop Progression & Termination Check (Перевірка виходу): Якщо агент досяг мети або лічильника max_iterations = 10, цикл переривається. В іншому випадку починається наступна ітерація з новим блоком Thought.

4. Практичні інженерні сценарії в продакшені

01. Інтерактивна діагностика та ремонт серверної інфраструктури

• Thought: Сервіс повертає помилку 502. Спочатку перевірю логи Nginx за останні 5 хвилин.
• Action: read_logs(service="nginx", lines=20)
• Observation: connect() failed (111: Connection refused) while connecting to upstream 127.0.0.1:3000
• Thought: Апстрім на порту 3000 впав. Потрібно перевірити статус Node.js процесу через PM2.
• Action: execute_cmd(command="pm2 status")
• Observation: app-server: errored (out of memory)
• Thought: Сервіс упав через брак пам'яті. Перезавантажу його з більшим лімітом heap.

02. Ітеративний пошук в документації та API

Агент намагається викликати зовнішній сервіс Stripe. На першому кроці він отримує помилку invalid_api_key. Через блок Thought агент згадує, що для тестового режиму потрібен префікс sk_test_, підтягує правильну змінну оточення і з другої спроби успішно створює платіжний намір.

03. Покрокове налагодження юніт-тестів

Кодовий агент бачить падіння тесту через розбіжність очікуваного значення. Він ставить гіпотезу, вносить мінімальну правку в один рядок, перезапускає тест, бачить зелений результат і лише тоді звітує про виконання задачі.

5. Підводні камені, типові помилки та безпека

• Зациклення на хибній гіпотезі (Self-Reinforcing Delusion): Якщо на першому кроці модель зробила помилковий висновок, вона схильна інтерпретувати всі наступні Observation на користь своєї помилки. Рішення: обов'язкове додавання кроку критики (Reflection) після 3 невдалих дій поспіль.
• Роздування контексту від сирих спостережень: Команда cat huge_file.json повертає 50 000 токенів сміття, витісняючи системний промпт. Завжди обмежуйте розмір повернення Observation у рантаймі (наприклад, не більше 2000 символів).
• Виклик неіснуючих інструментів (Action Hallucination): Модель намагається викликати інструмент, якого немає у списку. Рішення: використання нативного API Tool Calling замість сирого парсингу тексту.