Question: 用戶的問題
  ↓
Thought: LLM 思考：需要什么信息？用什么工具？
  ↓
Action: 調(diào)用工具（get_weather）
Action Input: 工具參數(shù)（"上海"）
  ↓
Observation: 工具返回結(jié)果（"上海天氣晴，25°C"）
  ↓
Thought: 基于結(jié)果，還需要其他信息嗎？
  ↓
（如需要，重復(fù) Action → Observation 循環(huán)）
  ↓
Final Answer: 最終回答

// 天氣查詢工具
Tool getWeather = Tool.builder()
    .name("get_weather")                            // 工具名稱（LLM 調(diào)用時使用）
    .params("location: String")                     // 參數(shù)描述
    .description("獲取城市天氣信息，輸入城市名稱")    // 工具描述（LLM 理解用途）
    .func(location ->                               // 實際執(zhí)行邏輯
        String.format("%s 天氣晴，氣溫 25°C", location)
    )
    .build();
// 時間查詢工具
Tool getTime = Tool.builder()
    .name("get_time")
    .params("city: String")
    .description("獲取城市當(dāng)前時間，輸入城市名稱")
    .func(city -> String.format("%s 當(dāng)前時間 14:30", city))
    .build();

PromptTemplate prompt = PromptTemplate.fromTemplate(
    """
    盡你所能回答以下問題。你有以下工具可以使用：
    ${tools}           ← 工具列表自動注入
    請按以下格式回答：
    Question: 你必須回答的問題
    Thought: 思考是否已有足夠信息回答
    Action: 要執(zhí)行的動作，必須是 [${toolNames}] 之一
    Action Input: 動作的輸入
    Observation: 動作結(jié)果
    （可重復(fù) Thought/Action/Observation，最多3次）
    Final Answer: 最終回答
    Question: ${input}
    Thought:
    """
);
// 將工具注入 Prompt
List<Tool> tools = List.of(getWeather, getTime);
prompt.withTools(tools);

FlowInstance agentChain = chainActor.builder()
    .next(prompt)
    .loop(
        // 循環(huán)條件：還需要調(diào)用工具 && 未超過最大次數(shù)
        shouldContinue,
        // 循環(huán)體
        llm,                   // LLM 推理（生成 Thought/Action）
        chainActor.builder()
            .next(cutAtObservation)  // 截斷 LLM 自己編造的 Observation
            .next(parseAction)       // 解析 Action 和 Action Input
            .next(
                Info.c(needsToolCall, executeTool),  // 需要工具調(diào)用
                Info.c(input -> ContextBus.get().getResult(llm.getNodeId())) // 已有答案，退出循環(huán)
            )
            .build()
    )
    .next(new StrOutputParser())
    .next(extractFinalAnswer)  // 提取 "Final Answer:" 后面的內(nèi)容
    .build();

Function<Integer, Boolean> shouldContinue = i -> {
    Map<String, String> parsed = ContextBus.get().getResult(parseAction.getNodeId());
    return i < maxIterations                   // 未超過最大次數(shù)
        && (parsed == null                     // 還沒開始
            || (parsed.containsKey("Action") && parsed.containsKey("Action Input"))); // 還需要調(diào)用工具
};

TranslateHandler<Object, Map<String, String>> executeTool = new TranslateHandler<>(map -> {
    // 找到 LLM 決定調(diào)用的工具
    Tool useTool = tools.stream()
        .filter(t -> t.getName().equalsIgnoreCase(map.get("Action")))
        .findFirst().orElse(null);
    // 執(zhí)行工具，獲取觀察結(jié)果
    String observation = (String) useTool.getFunc().apply(map.get("Action Input"));
    System.out.println("Observation: " + observation);
    // 將觀察結(jié)果追加到 Prompt，形成下一輪推理的上下文
    String agentScratchpad = thoughtPart + "\nObservation:" + observation + "\nThought:";
    promptValue.setText(promptValue.getText().trim() + agentScratchpad);
    return promptValue;
});

> 進(jìn)入 AgentExecutor 鏈...
Thought: 我需要查詢上海的天氣。
Action: get_weather
Action Input: 上海
Observation: 上海 天氣晴，氣溫 25°C
Thought: 我已經(jīng)獲得了上海的天氣信息，可以回答問題了。
Final Answer: 上?，F(xiàn)在天氣晴朗，氣溫25攝氏度。
> 鏈執(zhí)行完成。
=== 最終答案 ===
上?，F(xiàn)在天氣晴朗，氣溫25攝氏度。