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
# 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
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
// 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
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 |
|---|---|---|---|
complexityThreshold | number | 0.6 | 任务复杂度阈值 (0-1)，超过则使用 System 2 |
system1Timeout | number | 30 | System 1 超时秒数 |
system2Timeout | number | 120 | System 2 超时秒数 |
maxIterationsSystem1 | number | 5 | System 1 最大迭代次数 |
maxIterationsSystem2 | number | 15 | System 2 最大迭代次数 |
verbose | boolean | false | 是否输出详细日志 |
model | string | 'qwen3.5-plus' | 使用的 LLM 模型 |
temperature | number | 0.3/0.7 | System 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
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
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！