Agente ReAct
Reasoning + Acting: un pattern per agenti (articolo del 2022) in cui un LLM alterna ragionamento («Thought»), azione («Action», per esempio una chiamata a uno strumento) e osservazione («Observation») in un ciclo fino alla soluzione del compito. La ricetta di base dietro la maggior parte degli agenti LLM.
Il funzionamento: il modello produce un pensiero («devo cercare X»), poi un'azione (chiama uno strumento), legge l'osservazione (il risultato) e prosegue il ragionamento («ora so X, mi serve Y»); il ciclo si ripete finché non arriva a una risposta. Scrivere il ragionamento rende le decisioni più affidabili (come nella chain-of-thought), e poter agire tra un passo e l'altro permette di recuperare informazioni e di correggersi. Vantaggio: unisce ragionamento e uso reale di strumenti, quindi risolve compiti a più passaggi che il solo prompting non gestisce. È la base di framework come gli agenti di LangChain e dell'ondata AutoGPT. Diverso dalla chain-of-thought pura (solo pensiero, nessuna azione). Uno dei pattern per agenti più influenti. Imparentato con tool use e agentic workflow.