第六节 ReAct 框架详解：让大模型学会思考与行动
什么是 ReAct 框架？
ReAct (代表 Reasoning and Acting，推理与行动) 是由普林斯顿大学和谷歌研究人员在 2022 年的一篇开创性论文中提出的概念。
在 ReAct 出现之前，大语言模型 (LLM) 通常以两种孤立的方式使用：
纯推理 (Reasoning-only)：提示模型逐步思考（思维链），仅依靠其内部预训练的权重来解决数学或逻辑难题。
纯行动 (Acting-only)：提示模型输出一个命令或 API 调用，但不要求它解释为什么选择该操作。
🦄
ReAct 将这两种范式结合了起来。它的核心思想是：推理可以帮助模型决定下一步该采取什么行动，而行动则允许模型收集信息，从而改善其未来的推理过程。
📝 术语链接：为了彻底理解 ReAct，建议先熟悉 思维链 (CoT) 以及 AI Agent (智能体) 的基本概念。
ReAct 是如何工作的：轨迹循环
ReAct 的核心是一个无限循环，直到模型确定它已经获得了最终答案才会停止。这个循环由三个不同的阶段组成：
思考 (Thought)：LLM 分析当前问题的状态，并决定接下来需要什么信息。
行动 (Action)：LLM 选择一个特定的工具（如 搜索、计算器、天气API），并提供必要的输入参数。
观察 (Observation)：系统执行该工具，并将原始输出结果返回给 LLM。
随后，LLM 会基于这个 Observation 生成一个新的 Thought，循环往复。
一个真实的 ReAct 执行轨迹
用户查询："现任美国总统和苹果公司 CEO 的年龄差是多少？"
•
思考 1：我需要查明现任美国总统是谁，以及苹果的 CEO 是谁。然后我需要他们的年龄。先从美国总统开始。
•
行动 1：搜索[现任美国总统 2026]
•
观察 1：[搜索结果: ...]
•
思考 2：好的，总统是 X，今年 Y 岁。现在我需要找苹果的 CEO。
•
行动 2：搜索[苹果 CEO 2026]
•
观察 2：[搜索结果: 蒂姆·库克...]
•
思考 3：蒂姆·库克是 CEO。我来查查他的年龄。
•
行动 3：搜索[蒂姆·库克 年龄]
•
观察 3：[搜索结果: 蒂姆·库克 65 岁...]
•
思考 4：总统 Y 岁，库克 65 岁。差值是 Y - 65。我需要计算一下。
•
行动 4：计算器[Y - 65]
•
观察 4：[结果: Z]
•
思考 5：我已经得出了最终答案。
•
最终答案："他们的年龄差是 Z 岁。"
ReAct vs 思维链 (CoT)
#JLRbnpqxQqyM text { white-space: pre; }#JLRbnpqxQqyM .fb0 { stroke: var(--N900-FG, 0.15); }#JLRbnpqxQqyM .fb0 {stroke: rgba(31,35,41, 0.15)}#JLRbnpqxQqyM .fx0 { stroke-miterlimit: 10; }#JLRbnpqxQqyM .fx0 {stroke-miterlimit: 10}#JLRbnpqxQqyM .fa1 { fill: rgb(187, 191, 196); }#JLRbnpqxQqyM .fa1 {fill: rgb(187, 191, 196)}#JLRbnpqxQqyM .fx1 { font: 400 12px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#JLRbnpqxQqyM .fx1 {font-style: normal}#JLRbnpqxQqyM .fx2 { text-anchor: middle; }#JLRbnpqxQqyM .fx2 {text-anchor: middle}#JLRbnpqxQqyM .fx3 { dominant-baseline: central; }#JLRbnpqxQqyM .fx3 {dominant-baseline: central}#JLRbnpqxQqyM .fx4 { stroke: none; }#JLRbnpqxQqyM .fx4 {stroke: none}#JLRbnpqxQqyM .fc0 { fill: var(--text-caption); }#JLRbnpqxQqyM .fc0 {fill: #646a73}#JLRbnpqxQqyM .fa2 { fill: var(--text-link-disabled); }#JLRbnpqxQqyM .fa2 {fill: rgb(187, 191, 196)}#JLRbnpqxQqyM .fa3 { fill: rgb(246, 248, 250); }#JLRbnpqxQqyM .fa3 {fill: rgb(246, 248, 250)}#JLRbnpqxQqyM .fx5 { font: 400 16px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#JLRbnpqxQqyM .fx5 {font-style: normal}#JLRbnpqxQqyM .fx6 { text-anchor: start; }#JLRbnpqxQqyM .fx6 {text-anchor: start}#JLRbnpqxQqyM .fx7 { dominant-baseline: alphabetic; }#JLRbnpqxQqyM .fx7 {dominant-baseline: alphabetic}#JLRbnpqxQqyM .fc1 { fill: rgb(51, 51, 51); }#JLRbnpqxQqyM .fc1 {fill: rgb(51, 51, 51)}#JLRbnpqxQqyM .fx8 { font: 700 16px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#JLRbnpqxQqyM .fx8 {font-style: normal}#JLRbnpqxQqyM .fb1 { fill: var(--N900-FG, 0.15); }#JLRbnpqxQqyM .fb1 {fill: rgba(31,35,41, 0.15)}#JLRbnpqxQqyM .fb2 { fill: rgb(225, 228, 232); }#JLRbnpqxQqyM .fb2 {fill: rgb(225, 228, 232)}#JLRbnpqxQqyM .fa4 { fill: var(--bg-body); }#JLRbnpqxQqyM .fa4 {fill: #fff}ABC12345特性思维链 (CoT)仅依赖内部模型权重高（如果事实未知或过时）差（容易产生逻辑级联错误）纯数学计算、逻辑推导、文本总结ReAct外部工具 + 内部权重低（可通过工具验证事实）极佳（能观察工具失败并调整）网络调研、API 交互、多步复杂执行信息来源幻觉风险错误恢复适用场景
ReAct 实战指南 (Python 示例)
虽然 LangChain 等框架将这一过程高度封装，但从零手写一个 ReAct Agent 才能真正看清它的底层运作方式。它极其依赖严格的提示词工程。
python
代码块
Python
import openai
🔧 立即体验：为 ReAct Agent 定义工具时，确保你的 JSON 描述完美无缺。使用我们的 JSON 格式化工具 校验你的 Schema。
构建 ReAct Agent 的最佳实践
提供极度清晰的工具描述 — LLM 的 Thought 完全依赖于确切知道工具的作用。像"搜索网络"这样的描述太模糊了。应该使用："在实时互联网上搜索当前事件、新闻和客观事实。"
设置硬性迭代上限 (Max Steps) — ReAct 循环很容易陷入无限的失败重试死循环中（例如，反复尝试同一个错误的搜索词）。务必在代码层设置硬停止条件（如 max_iterations=5）。
强制格式输出 — 较小的模型（如 Llama-3-8B）可能会忘记输出 PAUSE 或 Action: 关键字。使用 JSON 模式、Structured Outputs 功能或非常严格的 System Prompt 来强制约束格式。
优雅处理工具故障 — 如果工具抛出了 500 错误，不要让应用程序崩溃。将错误字符串作为 Observation 返回给模型（如 Observation: API 返回 500 内部错误）。LLM 会读取这个错误，并生成一个新的 Thought 来尝试其他替代工具。
⚠️ 常见错误:
•
给 Agent 塞了太多工具 → 解决方案：上下文窗口有容量和注意力限制。如果你塞入 100 个工具，LLM 会彻底晕头转向。请使用分层路由架构或工具检索 (Tool Retrieval) 系统。
•
忘记设置 "PAUSE" 停止词 → 解决方案：确保在调用大模型 API 时显式传入 stop=["Observation:"] 参数，否则模型会自己把观察结果给"幻觉"出来！
常见问题 (FAQ)
OpenAI 出了 Function Calling，ReAct 是不是过时了？
完全没有。OpenAI 的函数调用（或工具调用）只是一种更可靠的、结构化输出 JSON 的方式，用来执行 Action 阶段。其底层的认知架构——即要求模型在决定调用函数前，先生成一段思考 (Thought)——依然是纯正的 ReAct 思想，并且这仍被业界公认为最佳实践。
为什么我的 ReAct Agent 会自己捏造 (幻觉) Observation？
当你在 API 调用中没有配置正确的 stop (停止序列) 时就会发生这种情况。LLM 不知道它应该停下来等待环境的回复，所以它就顺着往下自己瞎编了。请确保传递 stop=["Observation:"]。
哪些模型最适合跑 ReAct？
具备强大逻辑推理和指令遵循能力的模型。GPT-4o、Claude 3.5 Sonnet 和 DeepSeek-V3 是运行 ReAct 的佼佼者。参数量较小的模型（<10B 参数）往往很难在多轮对话中维持严格的 Thought -> Action 格式。
总结
ReAct 框架将大语言模型从静态的文本生成器，转变为动态的、自主的问题解决专家。通过强制执行"推理、行动、观察"的严格循环，ReAct Agent 能够穿梭于复杂的外部环境中，灵活调用工具，并具备了从错误中自我恢复的智能。