ReAct Pattern: Reasoning + Acting Döngüsü

Modeli düşünme + harekete geçme döngüsünde tutmak. Web araması, hesaplama, API çağrılarıyla zincirleme akıl yürütmenin temeli.

Şükrü Yusuf KAYA

10 dakikalık okuma

11.05.2026

Orta

ReAct Pattern: Reasoning + Acting Döngüsü

ReAct = Reasoning + Acting#

Yao et al. 2022 önerisi: model sadece düşünmemeli, aynı zamanda dış dünyadan bilgi almalı. Bu döngüye ReAct denir:

Thought → Action → Observation → Thought → Action → ... → Final Answer

ChatGPT'nin bugünkü "agent" davranışlarının (Web Search, Code Interpreter, Operator) altında bu pattern var.

ReAct döngüsü — düşünce, eylem, gözlem. — ReAct akışı — model düşünür → araç çağırır → sonucu okur → tekrar düşünür.

text

Soru: 2026'da Türkiye'nin en kalabalık 5 şehri ve bunlardaki ortalama bekar daire kiralarını öğrenmek istiyorum.
 
Thought: Önce 2026'daki en kalabalık 5 şehri bulmalıyım. Web araması gerekli.
Action: web_search("Türkiye 2026 nüfus sıralaması en kalabalık şehirler")
Observation: TÜİK 2026 verisine göre: İstanbul (16.5M), Ankara (5.8M), İzmir (4.5M), Bursa (3.2M), Antalya (2.9M).
 
Thought: Şimdi her birinin bekar (1+1) daire kira ortalamasını bulmalıyım.
Action: web_search("İstanbul 2026 1+1 ortalama kira hepsiemlak")
Observation: ... (sonuç)
 
Thought: Aynısı Ankara, İzmir, Bursa, Antalya için.
Action: web_search("Ankara 2026 1+1 kira ortalaması")
Observation: ... (sonuç)
[devam]
 
Thought: Tüm veriler toplandı. Tabloya dökeyim.
Final Answer:
| Şehir | Nüfus | 1+1 Kira Ortalaması |
|---|---|---|
| İstanbul | 16.5M | ~28.000 TL |
| Ankara | 5.8M | ~14.000 TL |
| ... | ... | ... |

ReAct trace örneği — model her adımı kayıt altına alıyor.

💡 ChatGPT ReAct'i otomatik yapıyor

ChatGPT'de Web Search, Code Interpreter veya Deep Research araçlarını açtığında, arkada bu Thought-Action-Observation döngüsü otomatik dönüyor. Ama promptunda 'web araması yapıp doğrula' ya da 'önce hesapla, sonra yorumla' demek modeli daha disiplinli kullanır.

text

Önemli not: Eğer bilmediğin veya değişen bilgi varsa, önce web araması yap. Cevabın spekülatif olamaz.
 
Yapı:
1. Düşün: Hangi bilgilere ihtiyacım var?
2. Araştır: Her birini ayrı arama ile getir
3. Doğrula: Birden fazla kaynak ile çapraz kontrol
4. Sentezle: Tablo halinde özetle
5. Kaynak ver: Her veri için URL
 
Soru: [...]

ReAct'i kasıtlı tetikleyen prompt şablonu.

Çoklu sorgu ile derin pazar araştırması — Modül 10'da Deep Research aracını detaylı işleyeceğiz. ReAct burada otomatik.

Özet#

✓ ReAct = Thought → Action → Observation → Thought → ... ✓ ChatGPT'nin Web Search, Code Interpreter, Deep Research tools'u bunu otomatik yapar ✓ Promptun kasıtlı yapısı 'önce araştır, sonra cevapla' ReAct'i tetikler

Sıradaki ders: Meta-Prompting — modele kendi promptunu yazdırma.

Yorumlar & Soru-Cevap

(0)

Yorum yazmak için giriş yap.

Yorumlar yükleniyor...

İlgili İçerikler

Modül 1: Başlangıç ve Temeller

Bağlantılı Pillar Konular

Bu yazının bağlandığı pillar konular

Pillar Konusu

Agentic AI ve Otonom Sistemler

Agentic AI, büyük dil modelinin tek bir cevap vermek yerine; planlama, araç çağırma (tool use), bellek (memory) ve geri bildirim döngüleri ile çok adımlı görevleri otonom biçimde tamamladığı yapay zeka mimarisidir.

Pillar Konusu

Prompt ve Bağlam Mühendisliği

Prompt mühendisliği; büyük dil modelinden tutarlı, doğru ve maliyet-verimli çıktı almak için talimatların, örneklerin, bağlamın ve format kontrolünün bilimsel olarak tasarlandığı uygulamalı disiplindir.