agent-react

# ReAct 元技能 与「把 ReAct 循环写在 harness 之外的旁路模块」不同，本技能把循环本身做进 harness：它与其他技能完全同构 —— 受 Lane 串行、执行日志、加载预算约束， 外部调用它的方式与调用普通技能完全一致（`{"skill": "agent-react", ...}`）。 ## 运行原理 1. harness 通过 ctx.system 注入两个服务： - `list_skills()`：L1 元数据视图（不加载任何实现），用作工具清单； - `execute_skill(name, params)`：执行另一个技能并返回其输出（含错误防护）。 2. 每轮：调用大模型（OpenAI 兼容 API，urllib 实现，环境变量配置）→ 解析 JSON 动作（`call_tool` / `final_answer`）→ 执行或回答。 3. 工具执行失败/技能不存在会作为「观察」回喂给模型，让其换工具或修正参数 —— 而不是直接崩溃（错误恢复）。 4. 每轮 yield `Progress`，ReAct 推理过程对 CLI / SSE 渐进可见。 ## LLM 配置（复用根目录 llm_config.py） 大模型接入不在这里重复配置：直接复用仓库根目录的 `llm_config.py` （老师统一配置模块 —— `.env` 存 Key + openai SDK + `chat()` 接口）， skill 里不硬编码任何 base_url / model / api_key。 - 配置 Key：在根目录 `.env` 填入 `DEEPSEEK_API_KEY=sk-xxx`（模板见 `.env.example`） - 换模型：设置环境变量 `LLM_MODEL` / `DEEPSEEK_MODEL`，或改 `llm_config.DEFAULT_MODEL` - 未配置 Key 时，`llm_config` 会给出明确报错（提示去 .env 填 Key） 测试可用 `ctx.system["llm_client"]` 注入 mock（不依赖真实 API）。