ReAct:

LLM 以交错的方式生成推理轨迹和特定于任务的动作，从而实现两者之间更大的协同作用：推理轨迹帮助模型归纳、跟踪和更新行动计划以及处理异常，而actions允许它与外部源（例如知识库或环境）交互，以收集附加信息。

ReACT 提示工程（Reasoning and Acting via CoT and Tools）是一种用于提高语言模型任务完成能力的技术，结合了链式思维（Chain-of-Thought, CoT）推理和工具使用。

核心思想：

链式思维（Chain-of-Thought, CoT）推理：通过逐步推理的方式，引导模型在解答复杂问题时，生成思维过程，使得模型能够更准确地完成任务。
工具使用：在推理过程中，允许模型调用外部工具（如计算器、搜索引擎、数据库查询等）来获取或处理信息，从而提高模型解决问题的能力。

工作方式：

在提示中结合问题背景信息，并引导模型先推理后行动，即在生成最终答案之前，模型会通过多个步骤逐步推理问题，然后在需要时调用工具，最后得出结论。

应用场景：

ReACT 提示工程适用于需要复杂推理或多个步骤才能得出结论的任务，如数学问题解答、复杂问答、代码生成等。

这种方法通过明确提示模型推理过程和工具使用的方式，增强了语言模型的任务解决能力和准确性。