agent-react
以 ReAct 循环把其他技能当作工具使用的元技能：大模型思考 → 调用技能 → 观察结果 → 再思考， 直到给出最终回答。这是课件「ReAct 循环 + SKILL.md 注入」在 harness 内的落地形态。
来源信息
- 仓库
- nlp-JvUUN/AAAAZOgH
- 最近来源活动
- 2026年7月30日 06:09
- 检测到的 SKILL.md 语言
- 中文
- 星标
- 1
- 分支
- 52
安装方式
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
检查来源文件
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
文件资源管理器
2 个文件正在显示 SKILL.md
SKILL.md
来源说明 · 只读预览- name
- agent-react
- version
- 1.0.0
- description
- 以 ReAct 循环把其他技能当作工具使用的元技能：大模型思考 → 调用技能 → 观察结果 → 再思考， 直到给出最终回答。这是课件「ReAct 循环 + SKILL.md 注入」在 harness 内的落地形态。
- weight
- 1
- consumes
- {"question":{"type":"str","required":true,"desc":"用户的自然语言问题"},"max_iterations":{"type":"int","required":false,"default":6,"desc":"最大推理轮数（防死循环）"}}
- provides
- {"answer":"最终回答","steps":"推理步骤（思考/调用/观察）","iterations":"实际轮数"}
- deps
- []
- heartbeat
- null
- tags
- ["agent","llm","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）。
在 GitHub 查看