เอเจนต์คิดได้จริงหรือ? มารู้จัก ReAct Framework

AI Agents เบื้องต้น

Adel Nehme

VP of AI Curriculum, DataCamp

ประเภทของความคิดในโมเดล

1 The Hugging Face Agents Course: https://github.com/huggingface/agents-course
AI Agents เบื้องต้น

ประเภทของความคิดในโมเดล

ประเภทความคิด ตัวอย่าง
การวางแผน "เพื่อช่วยให้พวกเขาย้ายอพาร์ตเมนต์ ฉันต้องหาบริษัทขนส่ง เปรียบเทียบราคา และตรวจสอบความพร้อมตามวันที่ระบุ"
1 The Hugging Face Agents Course: https://github.com/huggingface/agents-course
AI Agents เบื้องต้น

ประเภทของความคิดในโมเดล

ประเภทความคิด ตัวอย่าง
การวางแผน "เพื่อช่วยให้พวกเขาย้ายอพาร์ตเมนต์ ฉันต้องหาบริษัทขนส่ง เปรียบเทียบราคา และตรวจสอบความพร้อมตามวันที่ระบุ"
การวิเคราะห์ "จากรูปแบบการใช้จ่ายของพวกเขา พบว่าจ่ายค่าสมัครสมาชิกที่แทบไม่ได้ใช้มากเกินไป"
1 The Hugging Face Agents Course: https://github.com/huggingface/agents-course
AI Agents เบื้องต้น

ประเภทของความคิดในโมเดล

ประเภทความคิด ตัวอย่าง
การวางแผน "เพื่อช่วยให้พวกเขาย้ายอพาร์ตเมนต์ ฉันต้องหาบริษัทขนส่ง เปรียบเทียบราคา และตรวจสอบความพร้อมตามวันที่ระบุ"
การวิเคราะห์ "จากรูปแบบการใช้จ่ายของพวกเขา พบว่าจ่ายค่าสมัครสมาชิกที่แทบไม่ได้ใช้มากเกินไป"
การตัดสินใจ "เนื่องจากต้องได้รับภายในพรุ่งนี้ ควรแนะนำการจัดส่งด่วนแม้จะมีค่าใช้จ่ายเพิ่มขึ้น"
1 The Hugging Face Agents Course: https://github.com/huggingface/agents-course
AI Agents เบื้องต้น

ประเภทของความคิดในโมเดล

ประเภทความคิด ตัวอย่าง
การวางแผน "เพื่อช่วยให้พวกเขาย้ายอพาร์ตเมนต์ ฉันต้องหาบริษัทขนส่ง เปรียบเทียบราคา และตรวจสอบความพร้อมตามวันที่ระบุ"
การวิเคราะห์ "จากรูปแบบการใช้จ่ายของพวกเขา พบว่าจ่ายค่าสมัครสมาชิกที่แทบไม่ได้ใช้มากเกินไป"
การตัดสินใจ "เนื่องจากต้องได้รับภายในพรุ่งนี้ ควรแนะนำการจัดส่งด่วนแม้จะมีค่าใช้จ่ายเพิ่มขึ้น"
การแก้ปัญหา "หากต้องการเพิ่มประสิทธิภาพโค้ด ควรวิเคราะห์ประสิทธิภาพก่อนเพื่อระบุจุดคอขวด"
1 The Hugging Face Agents Course: https://github.com/huggingface/agents-course
AI Agents เบื้องต้น

ประเภทของความคิดในโมเดล

ประเภทความคิด ตัวอย่าง
การบูรณาการความจำ "พวกเขาบอกเมื่ออาทิตย์ก่อนว่าแพ้แลคโตส จึงควรตัดส่วนผสมจากนมออกจากสูตรอาหารที่แนะนำ"
1 The Hugging Face Agents Course: https://github.com/huggingface/agents-course
AI Agents เบื้องต้น

ประเภทของความคิดในโมเดล

ประเภทความคิด ตัวอย่าง
การบูรณาการความจำ "พวกเขาบอกเมื่ออาทิตย์ก่อนว่าแพ้แลคโตส จึงควรตัดส่วนผสมจากนมออกจากสูตรอาหารที่แนะนำ"
การสะท้อนตนเอง "ฉันอธิบายเชิงเทคนิคเกินไป ควรลองอธิบายใหม่โดยใช้การเปรียบเทียบในชีวิตประจำวัน"
1 The Hugging Face Agents Course: https://github.com/huggingface/agents-course
AI Agents เบื้องต้น

ประเภทของความคิดในโมเดล

ประเภทความคิด ตัวอย่าง
การบูรณาการความจำ "พวกเขาบอกเมื่ออาทิตย์ก่อนว่าแพ้แลคโตส จึงควรตัดส่วนผสมจากนมออกจากสูตรอาหารที่แนะนำ"
การสะท้อนตนเอง "ฉันอธิบายเชิงเทคนิคเกินไป ควรลองอธิบายใหม่โดยใช้การเปรียบเทียบในชีวิตประจำวัน"
การตั้งเป้าหมาย "ก่อนวางแผนออกกำลังกาย ต้องทราบระดับความฟิตและเวลาที่มีของพวกเขาก่อน"
1 The Hugging Face Agents Course: https://github.com/huggingface/agents-course
AI Agents เบื้องต้น

ประเภทของความคิดในโมเดล

ประเภทความคิด ตัวอย่าง
การบูรณาการความจำ "พวกเขาบอกเมื่ออาทิตย์ก่อนว่าแพ้แลคโตส จึงควรตัดส่วนผสมจากนมออกจากสูตรอาหารที่แนะนำ"
การสะท้อนตนเอง "ฉันอธิบายเชิงเทคนิคเกินไป ควรลองอธิบายใหม่โดยใช้การเปรียบเทียบในชีวิตประจำวัน"
การตั้งเป้าหมาย "ก่อนวางแผนออกกำลังกาย ต้องทราบระดับความฟิตและเวลาที่มีของพวกเขาก่อน"
การจัดลำดับความสำคัญ "ควรจองตั๋วเครื่องบินก่อนโรงแรม เพราะราคาตั๋วปรับขึ้นเร็วกว่า"
1 The Hugging Face Agents Course: https://github.com/huggingface/agents-course
AI Agents เบื้องต้น

ReAct Framework: ที่มาของความคิด

react

1 Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K., Cao, Y. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. arXiv preprint arXiv:2210.03629.
AI Agents เบื้องต้น

ReAct Framework: การใช้เหตุผลและการกระทำ

การใช้เหตุผล

การกระทำ

1 Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K., Cao, Y. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. arXiv preprint arXiv:2210.03629.
AI Agents เบื้องต้น

ReAct Framework: การใช้เหตุผลและการกระทำ

การใช้เหตุผล

Chain of thought prompting

[Prompt...]. Think step by step.

การกระทำ

1 Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K., Cao, Y. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. arXiv preprint arXiv:2210.03629.
AI Agents เบื้องต้น

ReAct Framework: การใช้เหตุผลและการกระทำ

การใช้เหตุผล

Chain of thought prompting

[Prompt...]. Think step by step.

การกระทำ

ตัวอย่าง Thought > Action > Observation

[Prompt...]. Follow this format:

  • Thought: [Think about what to calculate first]
  • Action: [Perform calculation]
  • Observation: [Result of calculation]
  • ...repeat as needed...
  • Final Answer: [Complete solution]
1 Yao, S., Zhao, J., Yu, D., Du, N., Shafran, I., Narasimhan, K., Cao, Y. (2022). ReAct: Synergizing Reasoning and Acting in Language Models. arXiv preprint arXiv:2210.03629.
AI Agents เบื้องต้น

ReAct ในทางปฏิบัติ: คณิตศาสตร์เบื้องต้น

gpt-4o

AI Agents เบื้องต้น

ReAct ในทางปฏิบัติ: คณิตศาสตร์เบื้องต้น

$$

คำถาม

คำนวณราคารวมเมื่อซื้อแล็ปท็อป 3 เครื่อง เครื่องละ $899 โดยมีส่วนลด 15% และภาษีขาย 8%

$$

คำตอบที่ถูกต้อง

$2475.85

AI Agents เบื้องต้น

ReAct ในทางปฏิบัติ: คณิตศาสตร์เบื้องต้น

incorrect

Prompt ที่ใช้

Calculate the total cost if I buy 3 laptops at $899 each with a 15% discount and 8% sales tax. Only return the answer.

AI Agents เบื้องต้น

ReAct ในทางปฏิบัติ: คณิตศาสตร์เบื้องต้น

correct

Prompt ที่ใช้

Calculate the total cost if I buy 3 laptops at $899 
each with a 15% discount and 8% sales tax. Think step by step.

Follow this format:

Thought: [Think about what to calculate first]
Action: [Perform calculation]
Observation: [Result of calculation]
...repeat as needed...
Final Answer: [Complete solution]

Example:

Thought: Calculate base cost first
Action: 2 × $50 = $100
Thought: Apply 10% discount
Action: $100 - ($100 × 0.10) = $90
Final Answer: Total is $90
AI Agents เบื้องต้น

โดยไม่ใช้ ReAct Prompting

incorrect_answer

คำตอบที่ถูกต้อง $2475.85

คำตอบจาก ChatGPT: $2,776.63

AI Agents เบื้องต้น

โดยใช้ ReAct Prompting

correct_answer

คำตอบที่ถูกต้อง $2475.85

คำตอบจาก ChatGPT: $2475.85

AI Agents เบื้องต้น

ReAct ในฐานะรูปแบบการคิด

ReAct เป็นส่วนหนึ่งของ system prompt ของโมเดล

System prompt คือคำสั่งที่ซ่อนอยู่เบื้องหลัง ทำหน้าที่กำหนดพฤติกรรมของโมเดลในทุกการสนทนา

1 ภาพสร้างด้วย GPT-4o
AI Agents เบื้องต้น

Reasoning Model และ ReAct

$$

  • ReAct มีประโยชน์มากกับ language model แบบ "ดั้งเดิม" เช่น โมเดลในตระกูล GPT
  • โมเดลรุ่นใหม่ที่เน้นการใช้เหตุผลได้รับการฝึกให้คิดทีละขั้นตอนอยู่แล้ว จึงไม่จำเป็นต้องใช้ ReAct prompting

$$ ตัวอย่าง reasoning model

  • โมเดลในตระกูล OpenAI o-series
  • โมเดลในตระกูล DeepSeek R-series
  • Gemini thinking models
AI Agents เบื้องต้น

สังเกต Reasoning Model ได้อย่างไร

thinking_models

AI Agents เบื้องต้น

มาฝึกกันเถอะ!

AI Agents เบื้องต้น

Preparing Video For Download...