`ReActAgent` 采用 “Planning + Reasoning + Acting（规划 + 推理 + 行动）” 闭环模式。它能够根据用户目标，自主思考（Thought）、选择工具执行动作（Action）、观察结果（Observation），直至完成任务。 ### 1、ReActAgent 配置参考（可参考 ReActAgentConfig 字段） | 分类 | 参数名称 | 类型 | 默认值 | 说明 | | :--- | :--- | :--- | :--- | :--- | | 身份定义 | name | String | react_agent | 智能体唯一标识，决定了 Session 存储中的 `TraceKey（__name）`。 | | | role | String | / | 核心字段。角色描述，帮助模型识别自身角色或供团队调度。 | | | profile | AgentProfile | / | 核心字段。挡案描述，帮助模型识别自身角色或供团队调度。 | | 决策大脑 | chatModel | ChatModel | / | 充当大脑，负责理解需求、分派任务与总结。 | | | modelOptions | Consumer | / | 用于精细控制模型的参数（如调低 Temperature 以稳健决策）。 | | | instruction | String | 中文模板 | 核心指令。告诉模型要怎么做，要注意什么。 | | 执行控制 | maxSteps | int | 5 | 单次任务允许的最大推理步数，防止成员间无限“思考”导致死循环。 | | | retryConfig | int, long | 3, 1000L | 决策失败或解析异常时的自动重试次数及延迟。 | | 存储输出 | sessionWindowSize | int | 10 | 记忆窗口大小。加载最近 N 条历史消息作为上下文。 | | | outputKey | String | / | 任务结束后的结果回填至 `FlowContext` 的键名。 | | | outputSchema | String/Type | / | 结构化输出。约束输出格式（JSON Schema），确保结果符合业务预期。 | | 扩展定制 | graphAdjuster | Consumer | / | 进阶项。允许在生成的默认执行图基础上微调链路。 | | | interceptors | `List` | / | 生命周期拦截器，用于监控思考过程、工具调用等过程。 | | | tools | `Map` | / | 工具。 | | | toolContext | `Map` | / | 工具调用时共享的上下文数据（如数据库连接、用户信息）。 | | | skills | `List` | / | 技能。 | 关键配置点补充说明 * 关于职责描述 (description)：在 ReActAgent 中，描述不仅是给人看的，更是给“模型”看的。一个清晰的描述能让模型更准确地判断何时该调用什么工具。 * 关于终止标识 (finishMarker)：系统会根据 `name` 自动生成。当模型认为任务已达成，输出该标识后，Agent 将提取内容作为最终答复。 * 关于最大推理步数 (maxSteps)：在推理协作中，模型可能会产生反复确认或死循环。该参数是“保险丝”，确保系统不会因为无限对话而耗尽 Token。 ### 2、ReActAgent 构建 * 基础版：具备工具能力的智能体 适用于逻辑固定的线性任务。赋予智能体一组工具，让其自主调度解决问题。 ```java // 创建一个具备数据库查询能力的智能体 ReActAgent dbAgent = ReActAgent.of(chatModel) .name("data_helper") .role("数据助手，负责查询用户信息及订单状态") // 1. 注入工具（支持注解方法或 FunctionTool 实例） .defaultToolAdd(new MyUserTools()) // 2. 限制步数防止死循环 .maxSteps(5) .build(); // 执行：模型会根据问题判断是否需要调用工具 String result = dbAgent.prompt("帮我查一下用户 ID 为 1001 的最近一笔订单金额") .call() .getContent(); ``` * 进阶版：精细化控制专家团队 这是一个包含重试策略、拦截监控及性能调优的复杂示例。 ```java // 创建一个全能的技术支持专家 ReActAgent techAgent = ReActAgent.of(chatModel) // --- 1. 身份与职责定义 --- .name("tech_support_expert") .role("技术支持专家（负责处理复杂的客户技术问题，包括查询数据库和排查日志）") // --- 2. 注入工具与重试策略 --- .defaultToolAdd(dbTool) .defaultToolAdd(logTool) .retryConfig(3, 2000L) // 决策失败自动重试 .maxSteps(12) // 允许最多 12 步推理，处理深度问题 // --- 3. 配置决策大脑的运行策略 --- .modelOptions(options -> { options.temperature(0.1); // 调低温度，让决策更严谨 }) // --- 4. 插入定制化逻辑 --- .defaultInterceptorAdd(new ReActInterceptor() { @Override public void onThought(ReActTrace trace, String thought) { System.out.println("🤖 思考中: " + thought); } @Override public void onAction(ReActTrace trace, String toolName, Map args) { System.out.println("🛠️ 执行工具: " + toolName + "，参数: " + args); } }) // --- 5. 手动微调计算图（高级项） --- .graphAdjuster(spec -> { // 可以在此处对生成的 Graph 进行链路微调 }) .build(); // 执行调用：模型会分析问题，决定先查数据，再分析情况 String finalAnswer = techAgent.prompt("用户 ID 为 9527 的反馈登录失败，请排查原因并给出建议。").call().getContent(); ``` ### 3、ReActInterceptor 接口参考 ```java package org.noear.solon.ai.agent.react; import org.noear.solon.ai.agent.AgentInterceptor; import org.noear.solon.ai.chat.ChatRequestDesc; import org.noear.solon.ai.chat.ChatResponse; import org.noear.solon.ai.chat.interceptor.ChatInterceptor; import org.noear.solon.ai.chat.message.AssistantMessage; import org.noear.solon.flow.intercept.FlowInterceptor; import org.noear.solon.lang.Preview; import java.util.Map; /** * ReAct 智能体拦截器 *

提供对智能体起止、模型推理、工具执行等全生命周期的监控与干预能力

*/ public interface ReActInterceptor extends AgentInterceptor, FlowInterceptor, ChatInterceptor { /** * 智能体生命周期：开始执行前 */ default void onAgentStart(ReActTrace trace) { } /** * 模型推理周期：发起 LLM 请求前 *

可用于动态修改请求参数、Stop 词或注入 Context

*/ default void onModelStart(ReActTrace trace, ChatRequestDesc req) { } /** * 模型推理周期：LLM 响应后 *

常用于死循环（复读）检测或原始响应审计

*/ default void onModelEnd(ReActTrace trace, ChatResponse resp) { } /** * 计划节点：接收 LLM 返回的原始推理消息 */ default void onPlan(ReActTrace trace, AssistantMessage message){ } /** * 推理节点：接收 LLM 返回的原始推理消息 */ default void onReason(ReActTrace trace, AssistantMessage message) { } /** * 推理节点：解析出思考内容 (Thought) 时触发 */ default void onThought(ReActTrace trace, String thought) { } /** * 动作节点：调用功能工具 (Action) 前触发 *

可用于权限控制、参数合法性预检

*/ default void onAction(ReActTrace trace, String toolName, Map args) { } /** * 观察节点：工具执行返回结果 (Observation) 后触发 */ default void onObservation(ReActTrace trace, String result) { } /** * 智能体生命周期：任务结束（成功或异常中止）时触发 */ default void onAgentEnd(ReActTrace trace) { } } ``` * FlowInterceptor ```java package org.noear.solon.flow.intercept; import org.noear.solon.flow.*; import org.noear.solon.lang.Preview; /** * 流拦截器 * * @author noear * @since 3.1 * @since 3.5 * @since 3.7 */ @Preview("3.1") public interface FlowInterceptor { /** * 拦截流程执行, eval(graph) * * @param invocation 调用者 * @see org.noear.solon.flow.FlowEngine#eval(Graph, FlowExchanger) */ default void interceptFlow(FlowInvocation invocation) throws FlowException { invocation.invoke(); } /** * 节点运行开始时 * * @since 3.4 */ default void onNodeStart(FlowContext context, Node node) { } /** * 节点运行结束时 * * @since 3.4 */ default void onNodeEnd(FlowContext context, Node node) { } } ``` * ChatInterceptor ```java package org.noear.solon.ai.chat.interceptor; import org.noear.solon.ai.chat.ChatRequest; import org.noear.solon.ai.chat.ChatResponse; import org.reactivestreams.Publisher; import java.io.IOException; /** * 聊天拦截器 * * @author noear * @since 3.3 */ public interface ChatInterceptor extends ToolInterceptor { /** * 拦截 Call 请求 * * @param req 请求 * @param chain 拦截链 */ default ChatResponse interceptCall(ChatRequest req, CallChain chain) throws IOException { return chain.doIntercept(req); } /** * 拦截 Stream 请求 * * @param req 请求 * @param chain 拦截链 */ default Flux interceptStream(ChatRequest req, StreamChain chain) { return chain.doIntercept(req); } } ```