ReAct prompting es un método de prompting para LLMs destinado a mejorar la precisión de sus respuestas sobre otros métodos como chain-of-thought (CoT). Publicado en un paper del 2022, funciona unificando razonamiento y acción (de ahí ReAct). Este enfoque ayuda a que las respuestas de los LLMs sean más entendibles y reducir las alucinaciones en comparación con CoT, dándole a los prompters una mejor oportunidad de conseguir lo que quieren.LangChain se desarrolló originalmente para soportar este estilo de prompting. Los agentes autónomos basados en ReAct prompting han demostrado ser algunas de las aplicaciones más ampliamente utilizadas de LLMs que nuestros equipos han estado construyendo. Recientemente, OpenAI ha introducido function calling en sus APIs para facilitar la implementación de ReAct y otros estilos de prompting similares sin tener que recurrir a herramientas externas como LangChain. Aún estamos en las primeras fases de definición de esta disciplina, pero hasta ahora, ReAct y sus descendientes han señalado el camino hacia algunas de las aplicaciones más interesantes de los LLMs.
