ReAct Prompting (Reason + Act)

El ReAct Prompting DEBE implementarse como un proceso estructurado que combina razonamiento lógico paso a paso con la ejecución de acciones concretas. Todo prompt DEBE incluir un ciclo explícito de razonamiento, acción y observación, y DEBE mantener un registro claro del estado y contexto de la interacción.

Ejemplos

✅ Ejemplo Correcto

Objetivo del Prompt

Resolver una tarea combinando razonamiento paso a paso, ejecución de acciones y observación de resultados, usando herramientas disponibles.

Parámetros Recomendados

• Temperature: 0.7
• Top-K: 15
• Top-P: 0.95
• Token Limit: 60

Prompt

Tarea: Buscar la temperatura actual en Madrid.

Herramientas disponibles:
- WeatherAPI: Consulta el clima actual
- Logger: Registra información

Ciclo ReAct:
1. Razonamiento: Analiza la situación y planifica
2. Acción: Ejecuta una acción específica
3. Observación: Registra el resultado
4. Iteración: Repite hasta completar la tarea

Estado actual:
- Contexto: Consulta de clima
- Historial de acciones: []
- Resultados previos: []

Comienza el ciclo:

Output

Razonamiento: Necesito saber la temperatura actual en Madrid.
Acción: Consultar WeatherAPI para Madrid.
Observación: WeatherAPI responde 22°C.
Conclusión: La temperatura actual en Madrid es 22°C.

❌ Ejemplo Incorrecto

Objetivo del Prompt

Resolver una tarea, pero sin ciclo de razonamiento ni uso de herramientas.

Parámetros Recomendados

• Temperature: 0.7
• Top-K: 15
• Top-P: 0.95
• Token Limit: 60

Prompt

Dime la temperatura en Madrid.

Output

No tengo información suficiente para responder.

Justificación

La implementación consistente de ReAct Prompting es necesaria porque:

1. Garantiza un proceso de toma de decisiones estructurado
2. Permite la integración con herramientas externas
3. Facilita el seguimiento y depuración de acciones
4. Mejora la adaptabilidad a situaciones dinámicas

Reglas de Uso

1. Estructura del Prompt

• DEBE incluir un ciclo ReAct completo
• DEBE especificar las herramientas disponibles
• DEBE mantener registro del estado
• DEBE documentar el historial de acciones

2. Ciclo de Razonamiento

• DEBE analizar la situación actual
• DEBE planificar la siguiente acción
• DEBE evaluar los resultados
• DEBE adaptar el plan según sea necesario

3. Ejecución de Acciones

• DEBE validar la disponibilidad de herramientas
• DEBE verificar los parámetros de acción
• DEBE manejar errores y excepciones
• DEBE registrar resultados y observaciones

Cuándo Aplicar

1. Agentes autónomos con tareas complejas
2. Sistemas de diagnóstico y troubleshooting
3. Automatización de procesos con decisiones
4. Agentes de búsqueda y consulta
5. Sistemas de asistencia interactiva

Cuándo Evitar

1. Tareas que no requieren razonamiento
2. Procesos completamente deterministas
3. Cuando no hay herramientas disponibles
4. Tareas que requieren respuesta inmediata

Métricas de Calidad

Métrica	Descripción	Umbral Mínimo
Efectividad	Tasa de éxito de acciones	≥ 90%
Eficiencia	Número de ciclos necesarios	≤ 5
Trazabilidad	Acciones documentadas	100%
Adaptabilidad	Tasa de recuperación de errores	≥ 85%

Referencias Técnicas

• Frameworks: LangChain, AutoGPT
• Herramientas: OpenAI API, HuggingFace
• Métricas: Success Rate, Action Efficiency
• Sistemas: BabyAGI, AgentGPT