ReAct：让 AI 思考并动手解决问题

作者：马育民 • • 阅读：10085

介绍

ReAct（Reasoning + Acting）是2022年底由普林斯顿与谷歌团队提出的大模型智能体框架，核心是让LLM交替思考（Thought）与行动（Action），并观察（Observation）外部反馈，形成闭环，解决纯文本推理“幻觉”和无法交互环境的问题。

  • 全称：Reasoning and Acting（推理与行动协同）。
  • 论文：《ReAct: Synergizing Reasoning and Acting in Language Models》（2022年11月）。
  • 定位：把思维链（CoT）与工具调用融合，让大模型既能“想”又能“做”，并根据结果调整策略。
  • 动机：纯LLM推理易幻觉、无法获取实时信息；工具调用缺推理、步骤僵硬；ReAct交替思考与行动，互相增强。

原理

ReAct 是一个三步闭环，反复迭代直到得出最终答案：

Thought-Action-Observation 循环

1. Thought（思考）

  • 模型分析当前问题、历史观察，决定下一步做什么（推理、规划、反思）。
  • 输出自然语言推理文本，如：“我需要查2026年世界杯冠军，调用搜索工具”。

2. Action（行动）

  • 模型根据思考结果，生成结构化工具调用指令（非自然语言）。
  • 格式示例：Search(query="2026世界杯冠军") 或 Calculator(25*4)。
  • 行动类型：搜索、数据库查询、API调用、代码执行、数学计算等。

3. Observation（观察）

  • 系统执行 Action，把工具返回结果格式化后喂给模型。
  • 示例：Observation: 2026世界杯冠军是法国队。
  • 作用：补全信息、验证推理、纠正错误，进入下一轮 Thought。

工作流程示例（订机票）

用户请求：“订明天15:00北京→上海机票”。

  1. Thought 1：需查航班 → Action 1：FlightSearch(北京,上海,明天15:00) → Observation 1：3个航班（14:50/15:00/15:10）。
  2. Thought 2：筛选15:00航班 → Action 2：Filter(时间=15:00) → Observation 2：仅剩CA1502。
  3. Thought 3：需用户确认 → Action 3：AskUser(确认订CA1502?) → Observation 3：用户确认。
  4. Thought 4：执行预订 → Action 4：BookFlight(CA1502) → Observation 4：预订成功。
  5. Final Answer：已为你预订CA1502（明天15:00）。

核心组件

  1. LLM大脑：负责 Thought 生成、Action 决策、Observation 整合（如GPT-4、Claude、Llama 3）。
  2. 提示词模板：强制输出格式（Thought/Action/Observation）、可用工具、示例，约束模型行为。
  3. 工具库：搜索、数据库、API、代码解释器、计算器等，连接外部世界。
  4. 执行器：解析 Action、调用工具、返回 Observation，隔离模型与环境。
  5. 记忆模块：存储历史 Thought/Action/Observation，支持多轮上下文。

特性

对比纯CoT/纯工具调用

  • 协同增强：思考指导行动，行动结果优化思考，互相提升。
  • 可解释性强：每步都有自然语言 Thought，决策透明、易调试。
  • 减少幻觉：用外部事实验证推理，显著降低编造概率。
  • 动态规划：非固定步骤，根据观察实时调整策略，应对复杂/未知问题。
  • 泛化性好：无需针对任务微调，通过提示词即可适配新工具/新场景。

应用场景

  1. 信息检索与问答：联网搜索、查数据库、实时数据（天气/新闻/股价）。
  2. 复杂推理与计算：数学题、逻辑推理、代码执行、科学计算。
  3. 任务自动化：订机票/酒店、发邮件、数据处理、报表生成。
  4. 智能客服/助手：多轮对话、故障排查、个性化推荐。
  5. 数据分析与BI：查询数据库、可视化、异常检测、报告生成。
  6. 多模态交互：图文理解、语音助手、视频内容分析。

不适合场景

  1. 极简一次性回答。无需思考、不用调用工具，一句话就能出结果，多轮思考纯属浪费。例：简单翻译、常识短句、固定话术回复。

  2. 高实时极速响应。要求毫秒级返回，ReAct多轮思考+工具调用延迟高，达不到速度要求。例：弹幕实时互动、按键快速反馈、高频接口应答。

  3. 无外部工具可调用。纯主观创作、情感聊天、脑洞文案，没有查询/计算/执行动作可做。例：写诗歌、谈心安慰、自由闲聊、主观点评。

  4. 规则固定、流程死板任务。步骤完全固定，不需要动态思考调整，套模板效率更高。例：固定格式填表、标准化审批、固定话术推送。

  5. 上下文极短、多轮受限场景。轮次被严格限制，无法反复思考行动迭代。例：短指令单次交互、小程序单次问答。

  6. 成本敏感、低价值小任务。小问题开销远大于收益，没必要启动ReAct循环。例：简单换算、短句纠错、基础格式整理。

  7. 隐私/风控禁止外部调用。不能联网、不能执行代码、不能查询数据，行动环节直接失效。例：内网涉密问答、隐私数据处理、强风控会话。

  8. 高度发散创意类任务。越约束思考步骤，创作自由度越低，效果变差。例：剧本创作、自由故事、灵感构思。

优缺点

优点

  • 推理更准：事实校验，幻觉少。
  • 过程透明：每步可追溯，易排查问题。
  • 灵活通用：提示词驱动，适配多场景。
  • 能力扩展：突破模型知识截止日期，获取实时信息。

缺点

  • 成本更高：多轮调用LLM+工具，耗时/费用增加。
  • 提示词敏感：模板设计差会导致格式错误、循环、无效行动。
  • 工具依赖：工具不可用/返回错误，直接影响结果。
  • 长上下文压力：多轮历史累积，易超上下文窗口。

与其他Agent框架对比

  • ReAct：Thought+Action交替，单轮内多次思考行动，灵活、可解释。
  • Plan-and-Execute：先全量规划，再批量执行，步骤固定，简单任务高效、复杂易失败。
  • Toolformer：工具调用融入文本生成，无显式Thought，简洁、可解释性差。
  • AutoGPT：自主设定目标、多轮迭代、长期记忆，全自动、易失控、成本高。

实现要点（极简代码思路）

# 伪代码：ReAct 核心循环
def react_agent(user_query, tools, llm):
    history = []
    while True:
        # 1. 生成 Thought
        thought_prompt = build_prompt(user_query, history, tools)
        thought = llm.generate(thought_prompt)
        history.append(("Thought", thought))

        # 2. 生成 Action
        action = llm.parse_action(thought)
        history.append(("Action", action))

        # 3. 执行 Action，获取 Observation
        observation = tools.execute(action)
        history.append(("Observation", observation))

        # 4. 判断是否结束
        if is_final_answer(observation):
            return observation

总结

ReAct 是当前最主流、最实用的大模型智能体框架，通过思考-行动-观察闭环，把LLM从“纯文本生成器”升级为“能感知、能行动、能反思”的智能体。它平衡了灵活性、可解释性与准确性，是构建复杂AI应用（如智能助手、自动数据分析、自主任务执行）的核心技术。

吉ICP备15003043号