用ReAct100多行Agent代码为：如何用ReAct构建简单智能体？
摘要：一、介绍 这里用 ReAct 来写一个最简单的 Agent，调用 DeepSeek 的 API ，外加 CLI 进行多轮对话的 Agent。 二、ReAct 最简单介绍 ReAct 拆开来 ，就是 Re + Act，Rea
一、介绍
这里用 ReAct 来写一个最简单的 Agent，调用 DeepSeek 的 API ，外加 CLI 进行多轮对话的 Agent。
二、ReAct 最简单介绍
ReAct 拆开来 ，就是 Re + Act，Reasoning + Acting。
先思考（我要做什么）→ 再行动（调用工具 / 回答）→ 观察结果 → 继续思考→ 再行动 → 观察结果，... ...，直到完成任务。
三、实现代码
第一步：调用大模型API
这类调用 DeepSeek API。
python 实现调用DeepSeek API ，代码如下：
import requests
import json
# ===================== 配置项 =====================
DEEPSEEK_API_KEY = "你的 DeepSeek API Key" # 替换成你的 key
DEEPSEEK_API_URL = "https://api.deepseek.com/chat/completions"
MODEL_NAME = "deepseek-chat"
# ==================================================
def deepseek_chat(messages):
"""调用 DeepSeek 大模型接口"""
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {DEEPSEEK_API_KEY}"
}
data = {
"model": MODEL_NAME,
"messages": messages,
"temperature": 0.1 # 低温度让思考更稳定
}
response = requests.post(DEEPSEEK_API_URL, headers=headers, json=data)
if response.status_code != 200:
return f"API 调用失败：{response.status_code}，{response.text}"
return response.json()["choices"][0]["message"]["content"]
第二步：实现ReAct的Agent
def react_agent():
"""ReAct 智能体主函数：多轮对话 + 思考-行动-观察"""
print("=" * 50)
print("🔥 ReAct 智能体（DeepSeek）已启动 | 输入 exit 退出")
print("=" * 50)
# 系统提示词：定义 ReAct 行为规则（核心！）
system_prompt = """
你是一个遵循 ReAct 框架的智能体。
你的工作流程严格按照：
1. 思考：我现在需要解决什么问题？
2. 行动：直接给出最终回答
3. 观察：根据结果继续优化
要求：
- 保持简洁、有用、直接
- 支持多轮对话，记住上下文
- 不要输出多余格式
"""
# 对话历史（保存上下文，实现多轮）
messages = [{"role": "system", "content": system_prompt}]
while True:
# 用户输入
user_input = input("\n你：")
if user_input.lower() in ["exit", "quit", "q"]:
print("\n👋 智能体已退出")
break
# 加入用户消息
messages.append({"role": "user", "content": user_input})
# 调用模型（ReAct 思考 + 行动）
print("\n🤖 智能体思考中...")
response = deepseek_chat(messages)
# 输出结果
print(f"智能体：{response}")
# 保存回答到历史（关键：多轮对话的核心）
messages.append({"role": "assistant", "content": response})
第三步：完整程序
把上面2步中的代码合并，实现一个完整的 Agent 程序：
import requests
import json
# ===================== 配置项 =====================
DEEPSEEK_API_KEY = "你的 DeepSeek API Key" # 替换成你的 key
DEEPSEEK_API_URL = "https://api.deepseek.com/chat/completions"
MODEL_NAME = "deepseek-chat"
# ==================================================
def deepseek_chat(messages):
"""调用 DeepSeek 大模型接口"""
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {DEEPSEEK_API_KEY}"
}
data = {
"model": MODEL_NAME,
"messages": messages,
"temperature": 0.1 # 低温度让思考更稳定
}
response = requests.post(DEEPSEEK_API_URL, headers=headers, json=data)
if response.status_code != 200:
return f"API 调用失败：{response.status_code}，{response.text}"
return response.json()["choices"][0]["message"]["content"]
def react_agent():
"""ReAct 智能体主函数：多轮对话 + 思考-行动-观察"""
print("=" * 50)
print("🔥 ReAct 智能体（DeepSeek）已启动 | 输入 exit 退出")
print("=" * 50)
# 系统提示词：定义 ReAct 行为规则（核心！）
system_prompt = """
你是一个遵循 ReAct 框架的智能体。
你的工作流程严格按照：
1. 思考：我现在需要解决什么问题？
2. 行动：直接给出最终回答
3. 观察：根据结果继续优化
要求：
- 保持简洁、有用、直接
- 支持多轮对话，记住上下文
- 不要输出多余格式
"""
# 对话历史（保存上下文，实现多轮）
messages = [{"role": "system", "content": system_prompt}]
while True:
# 用户输入
user_input = input("\n你：")
if user_input.lower() in ["exit", "quit", "q"]:
print("\n👋 智能体已退出")
break
# 加入用户消息
messages.append({"role": "user", "content": user_input})
# 调用模型（ReAct 思考 + 行动）
print("\n🤖 智能体思考中...")
response = deepseek_chat(messages)
# 输出结果
print(f"智能体：{response}")
# 保存回答到历史（关键：多轮对话的核心）
messages.append({"role": "assistant", "content": response})
if __name__ == "__main__":
react_agent()
四、程序核心特性（极简）
真正 ReAct 框架：思考 → 行动 → 观察
多轮对话：自动保存上下文，记住之前的对话
纯 CLI：干净、轻量、无界面依赖
五、使用步骤
1. 安装依赖
运行
pip install requests
2. 获取 DeepSeek API Key
需要充点钱
打开 DeepSeek 平台
注册 → 登录 → 创建 API Key
复制 Key 替换代码里的 你的 DeepSeek API Key
3. 运行
运行
python react_agent.py
4. CLI 使用示例
输入：1+1等于几
六、扩展：ReAct智能体 + 联网搜索工具
把上面的程序扩展为带有联网搜索能力的 ReAct 智能体。
智能体遇到不知道的问题会自动调用搜索，知道的问题直接回答，完美遵循 ReAct 流程：
思考 → 决定是否搜索 → 调用搜索工具 → 观察结果 → 回答
这里使用 使用 DuckDuckGo 免费搜索，无需 key ，简单。
加上搜索功能
方法 web_search 代码如下：
# 搜索工具配置（使用 DuckDuckGo 免费搜索，无需API Key）
SEARCH_API_URL = "https://api.duckduckgo.com/"
# ==================================================
def web_search(query: str) -> str:
"""
联网搜索工具DuckDuckGo，免费无需 Key
:param query: 搜索关键词
:return: 搜索结果摘要
"""
try:
params = {
"q": query,
"format": "json",
"no_html": 1,
"skip_disambig": 1
}
response = requests.get(SEARCH_API_URL, params=params, timeout=10)
data = response.json()
# 提取搜索结果
results = []
for item in data.get("Results", [])[:3]: # 取前3条结果
title = item.get("Text", "")
url = item.get("FirstURL", "")
results.append(f"【结果】{title}\n链接：{url}")
if not results:
return "未搜索到相关信息"
return "\n".join(results)
except Exception as e:
return f"搜索失败：{str(e)}"
完整代码
import requests
import json
# ===================== 配置项 =====================
DEEPSEEK_API_KEY = "你的 DeepSeek API Key" # 替换你的key
DEEPSEEK_API_URL = "https://api.deepseek.com/chat/completions"
MODEL_NAME = "deepseek-chat"
# 搜索工具配置（使用 DuckDuckGo 免费搜索，无需API Key）
SEARCH_API_URL = "https://api.duckduckgo.com/"
# ==================================================
def web_search(query: str) -> str:
"""
联网搜索工具（免费无Key）
:param query: 搜索关键词
:return: 搜索结果摘要
"""
try:
params = {
"q": query,
"format": "json",
"no_html": 1,
"skip_disambig": 1
}
response = requests.get(SEARCH_API_URL, params=params, timeout=10)
data = response.json()
# 提取搜索结果
results = []
for item in data.get("Results", [])[:3]: # 取前3条结果
title = item.get("Text", "")
url = item.get("FirstURL", "")
results.append(f"【结果】{title}\n链接：{url}")
if not results:
return "未搜索到相关信息"
return "\n".join(results)
except Exception as e:
return f"搜索失败：{str(e)}"
def deepseek_chat(messages):
"""调用 DeepSeek 大模型接口"""
headers = {
"Content-Type": "application/json",
"Authorization": f"Bearer {DEEPSEEK_API_KEY}"
}
data = {
"model": MODEL_NAME,
"messages": messages,
"temperature": 0.1
}
response = requests.post(DEEPSEEK_API_URL, headers=headers, json=data)
if response.status_code != 200:
return f"API 调用失败：{response.status_code}，{response.text}"
return response.json()["choices"][0]["message"]["content"]
def react_agent():
"""ReAct 智能体：思考 → 行动(搜索/回答) → 观察 → 最终回答"""
print("=" * 60)
print("🔥 ReAct 智能体（DeepSeek + 联网搜索）已启动 | 输入 exit 退出")
print("📌 功能：不知道的问题会自动联网搜索！")
print("=" * 60)
# 核心：ReAct 系统提示词（告诉模型什么时候用搜索）
system_prompt = """
你是一个严格遵循 ReAct 框架的智能体，必须按照固定流程执行：
流程：
1. 思考：分析用户问题，判断是否需要联网搜索
- 实时信息、最新新闻、未知数据 → 必须调用搜索
- 常识、计算、逻辑问题 → 直接回答
2. 行动：
- 需要搜索：输出固定格式：【搜索】+ 搜索关键词
- 不需要搜索：直接给出答案
3. 观察：如果调用了搜索，就根据搜索结果整理回答
规则：
- 只有需要实时/未知信息时才搜索，不要滥用
- 搜索格式必须严格：【搜索】xxx
- 回答简洁准确
"""
# 对话历史（保存上下文）
messages = [{"role": "system", "content": system_prompt}]
while True:
user_input = input("\n👨💻 你：")
if user_input.lower() in ["exit", "quit", "q"]:
print("\n👋 智能体已退出")
break
messages.append({"role": "user", "content": user_input})
print("\n🤖 智能体思考中...")
# 第一步：让模型思考是否需要搜索
thought_response = deepseek_chat(messages)
# 判断是否触发搜索工具
if "【搜索】" in thought_response:
# 提取搜索关键词
search_query = thought_response.replace("【搜索】", "").strip()
print(f"🔍 正在联网搜索：{search_query}")
# 调用搜索工具
search_result = web_search(search_query)
print(f"✅ 搜索完成，整理结果中...")
# 把搜索结果传给模型，生成最终回答
messages.append({"role": "assistant", "content": thought_response})
messages.append({"role": "system", "content": f"搜索结果：{search_result}"})
final_answer = deepseek_chat(messages)
print(f"\🤖智能体：{final_answer}")
messages.append({"role": "assistant", "content": final_answer})
# 不需要搜索，直接回答
else:
print(f"\🤖 智能体：{thought_response}")
messages.append({"role": "assistant", "content": thought_response})
if __name__ == "__main__":
react_agent()
运行代码
替换 deepseek key，把代码里的 你的 DeepSeek API Key 换成你自己的 deepseek api key。
运行：
python react_agent.py
询问：最近关于羽毛球亚锦赛夺冠信息有哪些
大模型回答属于实时赛事消息，然后调用搜索功能，搜索结果，在传给大模型进行整理。
搜索结果是2024年的信息，应该搜索最近信息，不知道是不是duckduckgo的API出了问题
不过Agent整体运行是正常的。
一个简单的带有搜索功能的 ReAct 的 Agent 就开发完成了 。
[完]