react.js标签_智能体开发者社区

react.js

收藏！一文掌握ReAct Agent：从传统编程到智能体的跃迁之路

本文详细介绍了ReAct Agent的核心原理与实现方式。ReAct(Reasoning+Acting)是一种让AI一边思考一边行动的智能体工作模式，通过"观察-思考-行动"的循环处理复杂任务。文章阐述了ReAct Agent的关键要素：历史上下文、环境信息、语言模型、工具调用和观察结果，并通过实例和伪代码展示了其实现流程。相比传统编程，ReAct Agent能更灵活应对复杂、不确定的任务，是构建

 上马定江山
2026-03-14 11:40:52

 476

 6

#react.js #javascript #ecmascript +1
AI Agent 核心原理与七步设计指南：从 ReAct 到企业级落地

AI Agent 的核心，是从"被动应答"到"主动行动"的范式跃迁。ReAct 闭环让模型能够分步解决问题，四大组件（大脑、规划、记忆、工具）构成了 Agent 的能力底座，而七步设计指南则提供了一条从需求到落地的完整路径。需要强调的是，Agent 的价值不在于"看起来智能"，而在于"稳定可靠地完成任务"。一个偶尔惊艳、经常出错的 Agent，远不如一个稳定可靠、边界清晰的 Agent 有价值。

少林码僧
2026-08-21 08:18:02

 213

 4

#人工智能 #react.js #前端
AI Agent 是怎么“想一步做一步“的？拆解 ReAct 模式

就是 ReAct 的"工作记忆"。它之所以成为 90% 生产级 Agent 的默认架构，就是因为这个"想→做→看"的循环足够通用——不管你的任务是查天气、做研究、写代码还是排查 bug，都可以用这个模式来处理。比如工具返回了一堆 HTML 或者报错的 stack trace，LLM 不知道该怎么理解这个结果，就决定"再试一次"——然后又得到一样的结果——然后又"再试一次"……：给 Agent 提供

 winty~~
2026-03-06 11:40:03

 299

 9

#人工智能 #react.js #前端 +2
ReAct 是什么？让 AI Agent 边想边做边看结果，小白程序员必收藏！

本文深入浅出地讲解了 AI Agent 中的 ReAct 概念，即“推理+行动”，强调 Agent 应该边思考边行动边观察结果以推进任务。文章通过 AI 客服退款示例，详细解析了 ReAct 的三个关键动作：Thought（思考）、Action（行动）、Observation（观察），并阐述了为何不能让模型一次性回答问题，以及 ReAct 与工具调用的关系。这篇文章只解决一个问题：ReAct 到底

 程序员糖仔
2026-08-01 10:00:00

 364

 13

#react.js #人工智能 #前端 +1
从 ReAct 到 Agent Loop：大模型应用范式是如何一步步演变的？

大模型应用的发展，本质上经历了从“模型中心”到“系统中心”的变化。如何写好 Prompt，让模型回答得更好？如何让模型安全、稳定、可控地完成任务？ReAct 解决了推理和行动结合的问题。Tool Use、RAG 和 MCP 解决了外部工具与知识接入的问题。Agent Harness 解决了工程可控性问题。Agent Loop 则让 AI 具备了持续反馈和闭环执行能力。所以，未来的 AI 应用不会只

 dividividiv
2026-06-19 11:46:33

 430

 9

#react.js #前端 #前端框架
字节L4年入130万：拿着高薪，天天怕被裁，天天都睡不着很焦虑

前两天刷到一个事，说普通本科毕业9年，总包干到130万。我当时手指都停住了，心里就一个想法：这也太猛了吧。再一看公司，是字节。说真的，能给到这个数的地方真没几家，所以大家才会一边哇塞，一边又开始担心他会不会哪天就被裁了。

程序猿李巡天
2026-06-25 20:31:09

 273

 6

#react.js #前端 #前端框架 +2
从零搞懂 AI Agent：一文读懂 ReAct 模式与代码实现

从零搞懂 AI Agent：一文读懂 ReAct 模式与代码实现

 2401_82636282
2026-07-29 00:06:16

 316

 9

#人工智能 #react.js #前端
Loop Engineering 全面解析

2026 年 6 月，Claude Code 创建者 Boris Cherny 一句话引爆了 AI 工程圈：**"我不再 prompt Claude 了。我设计 loop，让 loop 去 prompt Claude。"** 几乎同时，Google Cloud AI 总监 Addy Osmani、OpenClaw 创始人 Peter Steinberger 也独立得出了相同结论。一个新的工程范式—

Python编程杰哥
2026-07-28 22:05:46

 288

 6

#人工智能 #深度学习 #机器学习 +2
LangGraph实战：构建企业级有状态AI Agent工作流

在LangGraph实战的实践中，很多开发者容易陷入「先学概念再落地」的误区。真正有效的方式是：从具体问题出发，逐步构建解决方案。这篇文章会先给出真实场景，再拆解技术方案，最后给出落地方法和检查清单，确保看完就能用。

Python编程杰哥
2026-07-27 22:16:17

 168

 8

#人工智能 #机器学习 #深度学习 +2
第 27 轮崩了：AI Agent 长对话降本 70% 的 7 大上下文工程技术

客户在线等着，Agent 报了 `prompt_too_long`，会话中断。这不是极端场景。一个中等复杂度的客服 Agent，加上工具调用、RAG 召回、用户上传的截图 OCR，跑 25 轮上下文就能从 8K token 涨到 118K——再多两轮，直接撞墙。

Python编程杰哥
2026-07-25 22:17:31

 114

 2

#人工智能 #机器学习 #深度学习 +2
学了3个月LangChain，才发现自己根本没入门Agent工程

凌晨 1 点，你盯着屏幕上跑通的 Demo，长舒了一口气。你跟着教程，用 LangChain 搭了一个能查天气、能写周报的 AI 助手。你觉得，自己已经掌握了 AI Agent 的核心技术，简历上也可以理直气壮地写上**“具备 Agent 开发经验”**了。

朝阳区靓仔_James
2026-07-24 10:02:54

 196

 3

#人工智能 #react.js #前端 +3
2026 年 AI Agent 实用指南：别再把 RAG 和 Workflow 叫成 Agent

agent** 这个词现在无处不在。它出现在网站、Notion 文档、PRD，以及各种会议里；那些过去被称为“带工具的 chatbot”的东西，突然就变成了 agent。而这并不只是措辞问题。

Python编程杰哥
2026-07-22 22:21:08

 281

 4

#人工智能 #react.js #javascript +2
【从0开发一个 Agent】第七章：实现 MCP (Model Context Protocol)

本文介绍了AI时代的"USB接口"——MCP（Model Context Protocol）协议，它解决了传统Tool Calling存在的耦合问题。文章详细阐述了MCP的核心架构与生命周期，包括初始化、能力发现、动态注入和协议化执行四个阶段，并提供了在Next.js项目中实现MCP客户端的代码示例。通过MCP，AI Agent可以动态发现和调用远程工具，无需修改核心代码即可实现无限扩展。文章还讨

 Zacks_xdc
2026-07-21 09:25:55

 508

 13

#react.js #人工智能 #MCP
【从0搭建AI智能体·8】ReAct vs Plan-and-Execute：两种 Agent 编排模式对比

到目前为止，我们的 Agent 还停留在「反应式」——你问一句，它调个工具，答一句。但真正的智能体，要能应对复杂的多步骤任务「帮我查一下北京和上海这周末的天气，如果都是晴天，就推荐两个城市各自适合的户外活动，并对比哪个更适合带孩子。这个任务需要：查两次天气 → 判断天气 → 分别推荐活动 → 综合对比。模型不能一步到位，它得自己规划步骤、逐步执行、根据中间结果调整。怎么让模型学会「规划」？ReAc

qq_43150057
2026-07-20 13:51:05

 476

 9

#react.js #人工智能 #前端
几句话讲清楚Agent、LLM、MCP、SKill、RAG、WorkFlow

今天咱们用 5 分钟，把 AI Agent、LLM、Skill、MCP、RAG、Workflow 这些词一次性讲明白。首先我们先来看一下AI是如何做事情的。

Python_金钱豹
2026-07-15 15:15:50

 172

 6

#系统架构 #react.js #前端 +2
手搓生产级 AI Agent 系统（3）：Agent 与工具系统完整集成——从 ReAct 到自主决策

将 ReAct 循环与工具系统完整集成：动态工具发现、执行结果注入循环、四种停止条件对比、完整的自主决策链路。附 20 个任务的端到端测试数据和 LangChain 对比

 天风之翼
2026-07-15 10:14:46

 462

 10

#人工智能 #react.js #前端
拆解AI Agent的“神经系统“：规划、记忆、工具、ReAct，四个概念让你真正读懂Agent

description=“当大模型没有相关知识时，用于搜索知识”)]

黑白电视1
2026-07-09 18:19:55

 244

 5

#人工智能 #react.js #前端
Skills 的 5 种架构设计模式

当 AI Agent 从"能对话"进化到"能干活"，Skill（技能包）就成了决定其执行质量的关键基础设施。它不是简单的 Prompt 堆砌，而是一套让 LLM 在特定场景下"知道该做什么、知道怎么做"的知识注入体系。

Python_金钱豹
2026-06-25 20:44:17

 380

 8

#chrome #前端 #react.js +2
万字长文讲透 AI Agent 架构设计：从 ReAct 到多 Agent 协作，附完整 Python 代码

文章摘要： 2026年最热门的技术词是Agent，但中文圈缺乏生产级Agent系统的设计指南。本文系统讲解Agent架构，解决常见问题（如目标偏离、工具滥用、多Agent死锁等），提供四种核心模式： ReAct（经典循环推理-行动模式） Plan-Execute（先规划后执行，适合确定任务） Router Agent（任务路由分发，降低复杂度） Multi-Agent Orchestra（多Age

Mickl998
2026-06-23 13:37:33

 359

 8

#人工智能 #react.js #python
我的 ReAct 智能体像一台老虎机

一个星期六上午9点，我坐下来处理一个小型自主工作流的规格说明。从数据库读取记录，应用一堆业务规则，查阅一些非结构化的政策文档，然后把决策写回去。我在六小时内让它端到端运行起来。大部分代码是Claude Code生成的。架构设计没有。这个区别就是整篇文章的核心。

新缸中之脑
2026-05-22 17:30:42

 385

 10

#react.js #前端 #前端框架
我用 767 行代码做了一个文档管理器——不用 React、不用数据库、不用 Docker，反而是最优解

"你打开桌面，看见 `desktop/`、`Downloads/`、`tmp_2025_11/`、`claude_output/`、`新建文件夹 (3)/`——花 20 分钟翻找，最终在某个临时目录的孙目录里找到它。Web 文件管理器的头号安全风险是**路径遍历攻击**——攻击者构造 `../../etc/passwd` 试图访问任意文件。但它每天工作，安静地解决一个真实问题——**这就够了**。

鑫云数智
2026-05-28 17:33:16

 223

 2

#react.js #数据库 #docker
比传统RAG强10倍的技术终于出现了

导语：我用了半年传统RAG，最后被Claude Code的一个方案彻底颠覆——不用向量索引，每次实时搜索，响应更快、更准。今天把内核全抖出来。

朝阳区靓仔_James
2026-05-28 22:40:37

 253

 7

#人工智能 #dubbo #架构 +2
Qwen3.5-9B LoRA 微调实战：用客服数据训练专属问答模型

之前我写过用 Unsloth Studio 跑 4B 微调，又对照了 LlamaFactory，有人私信问：> "4B 跑通了，9B 我自己显卡能不能跑？" "训练数据格式我搞不清楚，到底要长什么样？"

Python_金钱豹
2026-05-29 22:44:49

 367

 6

#架构 #人工智能 #react.js +2
【系统学AI】25 论文导读 ①：两篇改变 AI 的开山之作——Attention Is All You Need & ReAct

摘要：本文对比两篇奠定AI发展基石的论文：《Attention Is All You Need》（2017）提出Transformer架构，通过自注意力机制解决RNN的序列建模缺陷，成为GPT、BERT等大模型的引擎；《ReAct》（2022）则构建"推理-行动-观察"循环框架，赋予大模型动态决策能力，成为Agent技术的方向盘。前者定义"大模型如何思考"，后者定义"大模型如何行动"，二者共同推

 qcx23
2026-06-02 10:46:18

 506

 3

#人工智能 #react.js #前端 +1
ReAct 范式详解：让 Agent 学会“思考”而不仅是“回答”

总结（Conclusion）参考资料（References）附录（Appendix）15.1 完整的Python代码实现（GitHub仓库地址）15.2 完整的提示词模板（Few-Shot Examples included）15.3 电商商品CSV文件示例15.4 高考几何题示例15.5 国内LLM API的配置指南（Qwen2、Llama3、ChatGLM3）

大阳阳544
2026-06-02 19:31:37

 197

 7

#react.js #前端 #前端框架
Claude Mythos 5发布！5000万行代码1天搞定

在量化交易大厂IMC和Optiver的实测中，Fable 5几乎拿满了其交易分析评估的全部权重（包括事实检索、概念推理和期望值计算），且展现出惊人的稳定性——在多次重复运行中，输出结果的分数完全一致。不仅如此，由于其超长序列的专注度，当给它配置了持久化的文件级内存后，它在游玩卡牌肉鸽游戏《杀戮尖塔》（Slay the Spire）时，表现直接飙升了3倍，到达最终星体的概率同样暴涨3倍。现在，你用F

元宇宙iwemeta
2026-06-14 08:23:35

 194

 5

#大数据 #人工智能 #chrome +3
mini-cc 技术栈：跟着 Claude Code 先选 TypeScript + React + Ink

摘要本文介绍了mini-cc项目采用的技术栈及其优势。该项目借鉴Claude Code的设计，使用TypeScript作为主开发语言，结合React和Ink框架构建终端界面。TypeScript的类型系统有效解决了工具返回结果不统一、不同Provider参数差异等问题，将运行时错误转化为编译时错误。React+Ink的组合则实现了终端界面的组件化开发，简化了复杂交互的实现。该技术栈显著提升了代码

 Rain509
2026-05-24 12:49:54

 578

 16

#typescript #react.js #javascript +2
从 “等一下“ 到 “马上说“：React 牵手 DeepSeek 玩转文本大模型

在人工智能技术日新月异的当下，大型语言模型（Large Language Models, LLMs）无疑是自然语言处理（NLP）领域最具革命性的突破之一。这些模型展现出令人惊叹的理解、推理和生成类人文本的能力，深刻变革了问答系统、内容创作、代码生成、机器翻译等诸多应用场景。本文将结合一个具体的开发实例——基于 React 前端框架与 DeepSeek API 构建的智能问答应用。

参圣
2025-07-08 15:40:26

 1135

 25

#react.js #前端 #前端框架 +2
面试官灵魂拷问：为什么说ReAct才是现代Agent的底层逻辑？单靠CoT为何行不通？

真正要答到点上，你必须能解释：* 为什么 CoT（思维链）不够？* 为什么需要 Action、Observation？* ReAct 完整闭环如何解决 Agent 的“行动稳定性问题”？* 为什么 ReAct 是目前所有 AGI、Agent 框架的底层范式？下面我们基于训练营第二周的内容，把这个问题讲透。

小马不会过河
2025-12-01 16:21:14

 949

 19

#react.js #前端 #前端框架 +4