Skip to content

ReAct: Reasoning + Acting Bütünleşmesi

Düşünme + tool kullanma karışımı. Modelin Thought → Action → Observation döngüsüyle problem çözmesi. Agent'ların temel pattern'i.

Şükrü Yusuf KAYA
10 min read
Intermediate

ReAct: Reasoning + Acting

Temel fikir: Sadece düşünmek yetmez — bazen dış dünyadan veri çekmek lazım. ReAct, düşünme + eylem döngüsünü birleştirir.
Thought: Bunu cevaplamak için güncel hava durumu lazım.
Action: get_weather(city="İstanbul")
Observation: {"temp": 18, "condition": "yağmurlu"}
Thought: 18°C ve yağmurlu. Mont öneririm.
Final Answer: Yağmurlu havada gidiyorsun, montla şemsiye al.

Saf Prompt ile ReAct (Tool Use Olmadan)#

Modern API'ler function calling sunuyor (Modül 6 ve 8'de detay), ama saf prompt ile de mümkün:
python
REACT_PROMPT = """Verilen soruyu cevaplamak için aşağıdaki araçları kullanabilirsin:
 
- search(query): Web araması yapar.
- calculator(expr): Matematik ifadesini hesaplar.
- finish(answer): Final cevabı verir.
 
Format:
Thought: [düşünce]
Action: [araç_adı(parametreler)]
 
Sistem 'Observation:' ile cevap verir. Bilgi yeterli olunca:
Action: finish(answer="...")
 
Soru: {{question}}
"""
 
# İlk çağrı:
# → Thought: ... Action: search("...")
# Kod parse eder, search çağırır, observation döndürür
# → Thought: ... Action: calculator("2+2")
# Döngü, finish çağrılana kadar
ReAct prompt iskeleti

Modern Yaklaşım: Function Calling#

Anthropic ve OpenAI structured tool use sunuyor —
tool_use
mesajları,
tool_result
ile cevap. Modül 6'da detaylı.
ReAct = Agent'ların temel pattern'i. Modül 8'de 'agent'ları kuracağız — onlar ReAct loop'unu nasıl yöneteceğin.

Yorumlar & Soru-Cevap

(0)
Yorum yazmak için giriş yap.
Yorumlar yükleniyor...

Related Content

1. Temeller — Yapay Zekâ ve LLM'lere Giriş

Bu Eğitim Hakkında ve Verimli Çalışma Yöntemi

Start Learning
1. Temeller — Yapay Zekâ ve LLM'lere Giriş

Yapay Zekâ → Üretken AI → LLM: Bağlamsal Harita

Start Learning
1. Temeller — Yapay Zekâ ve LLM'lere Giriş

LLM'ler Aslında Nasıl Düşünür? (Token, Embedding, Attention)

Start Learning

Connected pillar topics

Pillar topics this article maps to

Pillar Topic

Agentic AI and Autonomous Systems

Agentic AI is the architecture in which a large language model — instead of producing a single answer — autonomously completes multi-step tasks by combining planning, tool use, memory and feedback loops.