智能体依赖于大模型，而 LLM 的知识在训练时就已经固定，无法直接与外部系统（如API或数据库）进行交互。为了克服这些局限性，出现了大模型ReAct框架和 函数调用 （Function Call）两种方案，它们能够进行推理、采取行动以及与外部系统进行交互。
ReAct框架 ， 它遵循推理与行动的连续循环，工作原理如下：
- 输入 ：智能体接收自然语言的任务描述，输入到核心LLM中。
- 推理 ：LLM将任务分解为更小的步骤，分析情况，考虑可用信息，并规划完成任务所需的行动。
- 行动 ：基于推理，LLM决定使用哪种工具（例如搜索引擎、数据库、API）并执行行动以收集信息或与外部环境互动。这可能涉及查询维基百科以获取相关事实或从公司数据库中检索数据。
- 观察 ：智能体观察行动的结果，并相应更新其知识。智能体还利用这些新信息在下一次迭代中完善其推理。
- 回应 ：智能体基于推理和收集到的信息生成最终回应。
函数调用（Function Call） 的工作原理以及详细调用流程图：