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：

Copy

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#

Copy

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：

Copy

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）#

1. 真正 ReAct 框架：思考 → 行动 → 观察
2. 多轮对话：自动保存上下文，记住之前的对话
3. 纯 CLI：干净、轻量、无界面依赖

五、使用步骤#

1. 安装依赖#

运行

Copy

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

Copy

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：

Copy

# 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#

Copy

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：

Copy

python react_agent.py

询问：最近关于羽毛球亚锦赛夺冠信息有哪些