ACE LangGraph - ReAct Agent with Adaptive Learning

ACE (Agentic Context Engine) + LangGraph 集成，为 ReAct Agent 提供自适应学习能力。

🌟 特性

• 自适应学习：通过 ACE 框架让 ReAct Agent 从经验中学习策略
• 向量检索：使用 ChromaDB 实现策略的语义检索
• 工具集成：支持计算器、网络搜索等工具
• 可观测性：可选的 LangSmith 追踪支持

📦 安装

# 安装依赖
pip install -r requirements.txt

# 配置环境变量
cp .env.example .env
# 编辑 .env 文件，填入你的 API keys

🚀 快速开始

基本使用

from ace_langgraph.ace_react_agent import ACEReActWorkflow, ReactQuestion

# 创建工作流
workflow = ACEReActWorkflow(
    model_name="gpt-4o-mini",
    use_vector_retrieval=True
)

# 训练模式（提供 ground_truth）
question = ReactQuestion(
    question="计算 (25 + 17) * 3 - 8",
    ground_truth="118"
)
result = workflow.run(question)

# 生产模式（不提供 ground_truth，只获取答案）
question = ReactQuestion(question="Python 是谁创建的？")
answer = workflow.ask(question)

运行示例

# 训练 ACE ReAct Agent
python ace_react_agent.py

# 或使用训练脚本
python train_ace_react.py

📚 核心组件

• ace_react_agent.py - ACE + ReAct 集成工作流
• react_agent.py - ReAct Agent 实现
• evaluator.py - 答案评估器
• reflector.py - 推理过程反思器
• curator.py - 策略提取与管理
• playbook.py - 策略存储（支持向量检索）
• types.py - 类型定义

🔧 配置

环境变量

在 .env 文件中配置：

# 必需
OPENAI_API_KEY=your-key-here

# 可选 - LangSmith 追踪
LANGSMITH_TRACING=true
LANGSMITH_API_KEY=your-key-here
LANGSMITH_PROJECT=your-project-name

启用 LangSmith 追踪

source enable_langsmith.sh

🎯 工作原理

1. Generator (ReAct Agent): 执行任务，使用学到的策略
2. Evaluator: 评估答案正确性
3. Reflector: 分析推理过程，识别成功/失败模式
4. Curator: 提取可复用策略，更新 Playbook

📄 许可

MIT License - 查看主项目的 LICENSE 文件