react-orchestrator#

ReAct 推理框架 - 双系统 AI 代理协调器（System 1 快速执行 + System 2 深度推理）

描述#

基于 ReAct (Reason+Act) 框架和 Reflexion 自我反思机制，实现智能任务路由和分层推理：

• System 1: 快速直觉执行 (~3-5s)，适合简单查询、事实检索、单步工具调用
• System 2: 深度反思推理 (~10-15s)，适合复杂规划、多步推理、战略决策

自动评估任务复杂度，智能选择执行模式，最大化效率与质量的平衡。

功能#

• ✅ 双系统架构: System 1 (快速) + System 2 (深度) 自动切换
• ✅ ReAct 循环: Reason → Action → Observe → Repeat
• ✅ Reflexion 反思: 定期自我反思，调整策略，纠错优化
• ✅ 工具注册中心: 统一注册、发现、执行外部技能
• ✅ 复杂度评估: 基于关键词和语义自动判断任务难度
• ✅ 超时保护: System 1 (30s) / System 2 (120s) 超时控制
• ✅ 执行历史: 完整记录推理过程，支持审计和调试
• ✅ 语义工具匹配: 基于关键词智能匹配可用工具

安装#

bash

# 从 ClawHub 安装（待发布）
clawhub install react-orchestrator

# 或手动克隆
git clone https://github.com/YOUR_GITHUB/skills/react-orchestrator
cd skills/react-orchestrator
npm install

快速开始#

基础使用#

javascript

const { ReActOrchestrator } = require('./src/orchestrator');

// 创建协调器
const orchestrator = new ReActOrchestrator({
  complexityThreshold: 0.6,  // 复杂度阈值
  system1Timeout: 30,        // System 1 超时 (秒)
  system2Timeout: 120,       // System 2 超时 (秒)
  verbose: true,             // 详细日志
});

// 注册工具
orchestrator.registerTool('tavily-search', async (params) => {
  // 搜索实现
  return { results: [...] };
}, {
  description: '联网搜索工具',
  keywords: ['搜索', '查找', '调研', 'search'],
  timeout: 10,
});

// 执行任务（自动选择 System 1/2）
const result = await orchestrator.execute('搜索最新的 AI agent 发展趋势');
console.log(result.answer);
console.log(`执行模式：${result.mode}, 耗时：${result.duration}s, 迭代：${result.iterations}`);

强制模式#

javascript

// 强制使用 System 1（快速）
const fast = await orchestrator.execute('今天天气如何？', { mode: 'system1' });

// 强制使用 System 2（深度）
const deep = await orchestrator.execute('分析 AI 行业趋势并给出投资建议', { mode: 'system2' });

集成现有技能#

javascript

const { ReActOrchestrator } = require('react-orchestrator');
const { TavilySearch } = require('tavily-search');
const { RAGRetriever } = require('rag-retriever');

const orchestrator = new ReActOrchestrator();

// 注册 Tavily 搜索
const search = new TavilySearch({ apiKey: process.env.TAVILY_API_KEY });
orchestrator.registerTool('tavily-search',
  (params) => search.search(params.query),
  {
    description: 'Tavily 联网搜索',
    keywords: ['搜索', '查找', '调研', '最新', '新闻'],
  }
);

// 注册 RAG 检索
const rag = new RAGRetriever();
orchestrator.registerTool('rag-retrieve',
  (params) => rag.retrieve(params.query),
  {
    description: '本地知识库检索',
    keywords: ['文档', '知识', '记忆', '检索'],
  }
);

// 执行复杂任务
const result = await orchestrator.execute('调研 MCP 协议的最新发展，并检索本地笔记中的相关记录');
// 自动使用 System 2，依次调用 tavily-search 和 rag-retrieve

配置选项#

选项类型默认值说明complexityThresholdnumber0.6任务复杂度阈值 (0-1)，超过则使用 System 2system1Timeoutnumber30System 1 超时秒数system2Timeoutnumber120System 2 超时秒数maxIterationsSystem1number5System 1 最大迭代次数maxIterationsSystem2number15System 2 最大迭代次数verbosebooleanfalse是否输出详细日志modelstring'qwen3.5-plus'使用的 LLM 模型temperaturenumber0.3/0.7System 1=0.3, System 2=0.7

API 参考#

ReActOrchestrator#

constructor(options)

创建协调器实例。

registerTool(name, fn, metadata)

注册单个工具。

• name: 工具名称
• fn: 执行函数 (params) => Promise<result>
• metadata: 元数据（description, keywords, paramSchema, timeout）

registerTools(tools)

批量注册工具。 [{name, fn, metadata}, ...]

execute(query, options)

执行 ReAct 推理。

• query: 用户查询
• options.mode: 'auto'|'system1'|'system2'
• options.timeout: 覆盖默认超时
• 返回： {answer, history, mode, iterations, duration}

evaluateComplexity(query)

评估任务复杂度。

• 返回： {mode, score, reasons}

getAvailableTools()

获取已注册工具列表。

exportHistory(history)

导出执行历史（JSON 格式）。

ToolRegistry#

register(name, fn, metadata)

注册工具。

get(name)

获取工具。

list()

列出所有工具名称。

match(query, limit)

语义匹配工具。

执行流程#

text

用户查询
    ↓
[复杂度评估] → score > 0.6? → System 2
    ↓                       ↓
  score ≤ 0.6              初始规划
    ↓                       ↓
System 1                 ReAct 循环
    ↓                    (最多 15 次)
ReAct 循环                   ↓
(最多 5 次)              定期反思
    ↓                    (每 3 次迭代)
最终答案                   ↓
    ↓                调整计划/继续
    └──────→ 最终答案 ←────┘

测试#

bash

npm test

测试覆盖：

• ✅ 工具注册与发现
• ✅ System 1 快速执行
• ✅ System 2 深度推理
• ✅ Reflexion 反思机制
• ✅ 超时保护
• ✅ 错误处理

使用场景#

适合 System 1 的任务#

• 事实查询："今天北京天气如何？"
• 简单搜索："搜索 Python 教程"
• 单步操作："读取文件 contents.md"
• 快速计算："123 * 456 = ?"

适合 System 2 的任务#

• 复杂分析："分析 AI 行业趋势并给出投资建议"
• 多步规划："帮我创建一个完整的 Node.js 项目，包括测试和文档"
• 战略决策："评估是否应该迁移到 MCP 架构"
• 创造性任务："设计一个多智能体协作系统"

已知限制#

• ⚠️ LLM 集成: 当前版本使用启发式规则模拟 Reason 阶段，需接入真实 LLM
• ⚠️ 参数提取: 工具参数提取为简化实现，需 LLM 支持
• ⚠️ 语义匹配: 工具匹配基于关键词，未来升级为向量相似度
• ⚠️ 记忆管理: 长期记忆集成待完善（可结合 ontology 技能）

依赖#

• Node.js >= 18.0.0
• zod (可选，用于参数验证)

版本历史#

v0.1.0 (2026-03-18)#

• ✅ 初始版本
• ✅ 双系统架构实现
• ✅ ReAct + Reflexion 循环
• ✅ 工具注册中心
• ✅ 基础测试套件

许可证#

MIT

作者#

余永浩 (蒲萄爸)

贡献#

欢迎提交 Issue 和 PR！