场景设定用户问题“2025 年美国 GDP 是多少它比 2024 年增长了多少”模型可用工具web_search搜索网络calculator计算器ReAct 执行过程完整轨迹系统提示部分 你是一个 ReAct Agent。请严格按照 Thought → Action → Observation 的格式思考和行动……用户输入2025 年美国 GDP 是多少它比 2024 年增长了多少模型输出ReAct 过程Thought: 2025 年的 GDP 是最近数据我需要先搜索最新信息。Action: web_searchAction Input: 2025 United States GDPObservation: 2025 年美国 GDP 约为 28.78 万亿美元来源IMF 和 World Bank 最新预测。Thought: 我已经知道 2025 年的 GDP。现在需要查 2024 年的 GDP然后计算增长率。Action: web_searchAction Input: 2024 United States GDPObservation: 2024 年美国 GDP 约为 27.36 万亿美元。Thought: 现在我有两个数据2025 年 28.78 万亿2024 年 27.36 万亿。我需要用计算器算增长率。Action: calculatorAction Input: (28.78 - 27.36) / 27.36 * 100Observation: 计算结果为 5.19Thought: 所有信息都齐全了可以给出最终答案。Action: Final AnswerAction Input: 2025 年美国 GDP 约为28.78 万亿美元相比 2024 年的 27.36 万亿美元增长约 5.19%。最终回答给用户2025 年美国 GDP 约为28.78 万亿美元相比 2024 年的 27.36 万亿美元增长约 5.19%。这个示例的关键点讲解Thought每一步都在清晰地规划和分析当前状态。Action调用具体工具这里用了 web_search 和 calculator。Observation工具返回的真实结果不是模型自己编的。循环一共进行了 3 次 Thought-Action-Observation 循环直到可以 Final Answer。Final Answer只有当所有信息足够时才输出最终结果避免过早回答。实际工具定义示例伪代码Pythontools [ { name: web_search, description: 搜索网络获取最新信息, parameters: {query: str} }, { name: calculator, description: 执行数学计算, parameters: {expression: str} }