AZ.FN

简体中文

English

简体中文

English

外观

ReAct模式

1868 字约 6 分钟

domain/aiai/agents

2026-07-24

ReAct（Reasoning + Acting）是 LLM Agent 最经典的推理-行动范式，由 Yao et al.（2022）在论文 "ReAct: Synergizing Reasoning and Acting in Language Models" 中提出。核心思想是让 LLM 交替进行思考（Thought）和行动（Action），在每一步先推理当前状态和下一步计划，再执行具体操作，然后观察结果——形成 Thought → Action → Observation 的循环。

一句话解释

想一步、做一步、看结果、再想一步——这就是 ReAct。它让 LLM 不只是"想"（CoT）或"做"（Act），而是"想着做、做了再想"。

核心问题

为什么需要 ReAct？

  1. 纯推理（CoT）的局限：CoT 只能基于已有知识推理，无法获取新信息或验证推理结果
  2. 纯行动（Act）的局限：没有推理指导的行动是盲目的，容易走错方向
  3. 推理+行动的协同：推理为行动提供方向和理由，行动为推理提供证据和反馈
  4. 可解释性：Thought 步骤让 Agent 的决策过程透明可追溯

Thought-Action-Observation 循环详解

循环结构

Task: {用户任务}

Thought 1: {分析当前状态，制定计划}
Action 1: {执行具体操作}
Observation 1: {操作结果}

Thought 2: {基于 Observation 1 分析，调整计划}
Action 2: {执行下一步操作}
Observation 2: {操作结果}

...

Thought N: {综合所有 Observation，得出结论}
Final Answer: {最终回答}

三个组成部分

组成部分角色内容
Thought（思考）推理引擎分析当前状态、评估已有信息、制定下一步计划、解释为什么选择某个 Action
Action（行动）执行引擎具体的工具调用、搜索查询、API 请求等可执行操作
Observation（观察）反馈信号Action 执行后返回的结果，作为下一轮 Thought 的输入

具体示例

Task: 北京今天适合户外运动吗？

Thought 1: 我需要查询北京今天的天气情况，包括温度、空气质量、风速等。
Action 1: search("北京今天天气 温度 空气质量")
Observation 1: 北京今天晴，气温 18-26°C，空气质量指数 85（良），北风 3 级。

Thought 2: 天气晴好，温度适宜，空气质量良好，风力不大。
          这些条件都适合户外运动。我可以给出建议了。
Action 2: finish("适合。今天北京天气晴好，18-26°C，空气良好，适合户外运动。")

ReAct 论文核心思路

论文背景

Yao et al.（2022）在 HotpotQA（多跳问答）和 FEVER（事实验证）等任务上验证了 ReAct 的有效性。

核心发现

  1. ReAct > CoT：在需要外部信息的任务上，ReAct 显著优于纯 CoT（因为 CoT 无法获取新信息）
  2. ReAct > Act：在有推理步骤的情况下，Action 的选择更准确（因为 Thought 提供了推理指导）
  3. 可解释性：Thought 轨迹让人类能够理解 Agent 的决策过程，便于调试和改进

关键洞察

  • 推理帮助行动：Thought 步骤帮助 Agent 在复杂决策中选择正确的 Action
  • 行动帮助推理：Observation 为 Thought 提供了真实世界的证据，减少了"凭空推理"的幻觉

ReAct 与 CoT/ToT 的对比

维度CoT（Chain of Thought）ToT（Tree of Thought）ReAct
核心操作纯推理多路径推理 + 评估推理 + 行动 + 观察
外部信息无法获取无法获取通过 Action 获取
验证能力无有（评估节点）有（Observation）
搜索空间线性链树形（可回溯）线性链（但每步有外部反馈）
适用场景数学推理、逻辑推理复杂规划、创意写作信息检索、工具调用、多步骤任务
成本低（1 次 LLM 调用）高（多次 LLM 调用）中（N 次 LLM 调用 + N 次 Action）

核心区别：CoT 是"纯想"，ToT 是"多想几条路"，ReAct 是"边想边做"。

Thought 的质量如何影响 Action 的准确性

Thought 是 ReAct 循环中的"指挥官"，其质量直接决定 Action 的有效性：

Thought 质量问题导致的 Action 问题改进方法
分析不充分选择了错误的工具或查询在 Prompt 中要求"先分析所有已知信息"
计划不明确Action 参数不精确要求 Thought 中明确"我要查什么、为什么查"
忽视 Observation重复执行相同的 Action要求 Thought 中总结"上一步得到了什么"
过度推理不必要的复杂 Action 序列限制最大步数，鼓励"够了就回答"

ReAct 在主流框架中的实现

LangChain 实现

LangChain 的 create_react_agent 提供了开箱即用的 ReAct Agent：

from langchain import hub
from langchain.agents import create_react_agent, AgentExecutor
from langchain_openai import OpenAI
from langchain.tools import tool

@tool
def search(query: str) -> str:
    """搜索信息"""
    return f"搜索结果: ..."

@tool  
def calculator(expression: str) -> str:
    """计算数学表达式"""
    return str(eval(expression))

llm = OpenAI(model="gpt-4")
tools = [search, calculator]
prompt = hub.pull("hwchase17/react")

agent = create_react_agent(llm, tools, prompt)
executor = AgentExecutor(agent=agent, tools=tools)
result = executor.invoke({"input": "地球到月球的距离是多少公里？"})

LlamaIndex 实现

LlamaIndex 的 ReActAgent 内置了对 RAG 工具的支持：

from llama_index.core.agent import ReActAgent
from llama_index.core.tools import QueryEngineTool

query_tool = QueryEngineTool.from_defaults(
    query_engine=index.as_query_engine(),
    description="用于查询知识库中的信息"
)

agent = ReActAgent.from_tools([query_tool], llm=llm, verbose=True)
response = agent.chat("公司的年假政策是什么？")

ReAct 的局限与改进方向

局限

  1. 无限循环问题：Agent 可能在 Thought-Action-Observation 循环中反复执行，无法收敛到最终答案
  2. Thought 质量依赖 LLM 能力：小模型的 Thought 质量差，导致 Action 选择错误
  3. 线性执行：标准 ReAct 是线性的，不支持并行 Action 或回溯
  4. 错误累积：早期 Thought 的错误会误导后续所有步骤

改进方向

局限改进方案说明
无限循环最大步数限制 + 终止条件检测超过 N 步强制结束
Thought 质量使用更强的模型做 ThoughtThought 用 GPT-4，Action 执行用轻量模型
线性执行与 Agent工作流 结合支持并行分支和条件分支
错误累积添加 Reflection反思机制每 N 步做一次反思和纠错

ReAct 与 Agent工作流、Reflection反思机制的协同

ReAct 循环（核心引擎）
├── 每一步的 Thought → 推理和规划
├── 每一步的 Action → 工具调用
├── 每一步的 Observation → 结果反馈
│
├── + Reflection（每 N 步触发）
│   └── 评估过去的 Thought-Action 序列是否合理
│   └── 发现错误 → 调整策略
│
└── + Agent工作流（宏观控制）
    └── 任务分解 → 多个 ReAct 子任务
    └── 子任务结果整合 → 最终答案

常见误区

  • Thought 写得太简单：Thought 是 ReAct 的灵魂，"我想搜索一下"不是好的 Thought
  • 不设置终止条件：没有最大步数限制，Agent 可能无限循环
  • Action 粒度太大：一个 Action 做太多事情，难以调试和回退
  • 忽视 Observation：Thought 中没有充分利用 Observation 的信息
  • 所有任务都用 ReAct：简单任务直接 LLM 回答即可，不需要 ReAct 循环

可继续补充的方向

  • ReAct 的变体（Parallel ReAct、Interleaved Think）
  • ReAct 在不同任务上的效果对比实验
  • ReAct 与 Plan-and-Execute 模式的对比
  • ReAct 的 Prompt Engineering 最佳实践

关联笔记

贡献者: fly