agent 经典的ReAct过程：

接收任务--》LLM 思考任务规划-->第一次循环返回结果 --》LLM-->第2次循环返回结果：（多次循环直到最终返回想要的答案）

=========================
问题: 北京和上海今天气温差多少度？哪个城市更适合户外活动？

--- Step 1 ---
Thought: 需要先获取北京今天的天气气温，才能与上海气温比较。
Action: get_weather
Action Input: {"city": "北京"}

Observation: {"temp": "12°C", "weather": "晴", "humidity": "45%"}

--- Step 2 ---
Thought: 已获得北京气温 12°C，接下来获取上海今天气温，以便计算温差并比较户外活动适宜度。
Action: get_weather
Action Input: {"city": "上海"}

Observation: {"temp": "18°C", "weather": "多云", "humidity": "72%"}

--- Step 3 ---
Thought: 已知北京 12°C、上海 18°C，需要计算气温差值。
Action: calculate
Action Input: {"expression": "18 - 12"}

Observation: {"expression": "18 - 12", "result": 6}

--- Step 4 ---
Thought: 综合信息得出结论
Final Answer: 北京和上海今天气温差 6 度（上海 18°C，北京 12°C）。北京今天为晴天且湿度较低（45%），体感更清爽，更适合户外活动；上海虽气温稍高，但多云且湿度较大（72%），可能略显闷热。

===================

大模型幻觉产生的原因：
训练数据问题
训练机制问题：预训练，监督微调SFT，基于人类反馈的自学习RLHF
采样策略的影响：温度越高,topp,topk越大，模型越容易生成低概率的词，从而产生幻觉
上下文窗口的限制，过长的上下文，模型可能忘记前面的关键信息产生幻觉

如何避免产生幻觉：
1.核心思想是不让模型闭卷考试，而是让它开卷考试
2.训练搞质量数据，实时监督微调，改进RLHF的奖励机制
3.提示词精心设计，温度，top-p,top-k采样合理范围