ReAct模式AI Agent的推理行动范式

可视化演示

动态演示ReAct模式AI Agen的核心机制，通过开始/执行/监控/完成四种模式展示关键概念与交互流程。

范式缘起

小雷刚到后厨时，师傅给了他一道难题：“把这块冻肉变成端上桌的红烧肉。”年轻的小雷第一反应是默背菜谱——把焯水、炒糖色、炖煮的步骤全在脑子里过一遍，然后一股脑做完。结果糖色炒糊了，肉也炖过了头。师傅告诉他：“你以为做菜是背完再动手，其实真正的厨子是翻一页菜谱动一下手，再看一眼锅，再翻下一页。”这个点拨，就是ReAct模式的灵感。

ReAct这个词是 Reasoning（推理） 与 Acting（行动） 的合成。以往的AI问答模式像背书，你问一句它答一句，答案全靠“脑内推演”；而ReAct让AI在面对复杂任务时，不再试图一次性憋出完美答案，而是先推理出下一步该做什么，然后真去执行一个动作——比如调用搜索、查询数据库——拿到真实反馈后再继续推理。这种“想一下、做一下、看一眼”的交替，正是人类解决复杂问题的天然方式。

在学术上，ReAct模式首次由Yao等人于2022年提出，它的核心洞察是：大语言模型不光会“想”（推理），还应该会“做”（调用外部工具）——两者结合产生的效果远大于单独使用。它把Agent的能力从“纸上谈兵”升级为“躬身实践”，让模型不再是孤岛，而是能与世界交互的行动者。

就像小雷最终明白的：真正的大厨靠的不是背下整本菜谱，而是与灶台建立“手感对话”。ReAct模式，就是让AI与真实世界建立起这种循环对话。

推理循环

小雷做菜时有个习惯——他在灶台边贴了三张便利贴：左边写“接下来做什么”（思考），中间写“动手去做”（行动），右边写“锅里变成啥样”（观察）。每完成一个动作，他就把三张便利贴往右挪一格，最右边的内容又变成新一轮“思考”的起点。这就是ReAct最核心的循环机制。

ReAct的完整循环由三个节点构成：Thought（推理）→ Action（行动）→ Observation（观察）。模型先输出一段推理文字，说明“我认为下一步该做什么，为什么”；接着输出一个具体的行动指令，比如工具调用；环境（比如搜索引擎或数据库）返回一个观察结果；这个结果又被拼接到模型的上下文中，作为下一轮推理的输入。如此往复，像滚雪球一样，把历史信息全部积累下来。

这个循环的关键在于上下文（context）的持续累积。每一轮的推理、行动和观察都被完整保留，模型在生成第 t+1 步的推理时，能看到从第 1 步到第 t 步的所有历史记录，这正是它能够记住“刚才查到了什么”“哪个方案失败了”的原因。

这个循环就像小雷锅边的三张便利贴：永远是从“想法”滑向“动作”，再从“观察”回到“新想法”。只要不停下来，雪球就会越滚越大，任务也越推越近。

决策目标

接到“四菜一汤”的订单时，小雷的第一反应不是一头扎进厨房，而是先把整桌菜在脑中排了个序：哪个菜等得起、哪个菜要趁热、哪道汤可以提前吊好。他把大任务拆成了一个个小目标，每个小目标又拆成具体动作——这就是ReAct中“推理”要做的事：决策目标。

在ReAct中，模型的Thought输出承担着“任务拆解师”的角色。面对一个复杂指令，模型要分析：这个任务需要哪些步骤？步骤之间有没有依赖关系？当前处于哪一步？这种拆解不是一次性完成的，而是随着观察到的反馈动态调整。比如小雷发现五花肉太肥，就会在“炖煮”子目标里插入“额外煸油”的步骤。

这种能力相当于给Agent装了“计划器”。模型在每一轮推理中输出的不只是“下一步动作”，还包括一个对整体进度的重新评估。它会在上下文里维护一份“心理清单”，根据反馈不断增删、调整后续步骤。这份清单让Agent在复杂任务中不会迷路。

拆解能力是Agent“看起来聪明”的关键。就像小雷能同时管理四菜一汤的节奏，ReAct让AI在复杂任务面前保持清醒——它永远知道自己在整个流程的哪个位置，下一步该朝哪个方向使劲。

行动接口

小雷的厨房里摆着各种趁手的工具：菜刀、砂锅、蒸笼、温度计。每当他决定要做某件事，就得从架子上取下对应的工具。“我要测油温”这个想法，落到行动上就是“拿起温度计插进油锅”。在ReAct中，模型的想法也要落到具体的行动接口（Action）上——这是模型与外部世界的“双手”。

ReAct的行动通常以结构化格式输出，最常见的是JSON。模型在Thought之后会生成一段类似 {"tool": "search", "query": "东坡肉的做法", "params": {"max_results": 5}} 的指令。这个指令会被框架解析，然后调用对应的工具函数，就像小雷拿起指定的厨具。除了工具调用，模型还可以输出 {"tool": "finish", "answer": "最终答案"} 来结束循环。

行动接口的设计决定Agent的上限。接口定义得好，模型就能灵活地组合各类工具——搜索、计算、数据库查询、代码执行——像大厨游刃有余地切换刀具和灶具。接口定义得生硬，模型就会像只拿一把勺子的大厨，再好的菜也做不出花样。

行动接口就像小雷的厨具架——决定了他能做多少种菜。ReAct的巧妙之处在于，它为模型配上了几乎无限扩展的“厨具架”，让大语言模型的“脑力”能通过工具变成实实在在的“行动力”。

反馈解析

小雷把肉下锅后，不会转身去沙发上等，而是立刻凑到锅边，看肉块的颜色、闻飘出的香气、尝一口汤汁的咸淡。这些感官信息回传到他脑子里，变成判断“下一步怎么做”的依据。ReAct循环里的观察（Observation），就是Agent的“感官系统”。

当行动被环境执行后，会返回一个结果——可能是搜索返回的文本列表、数据库查询的记录、代码运行后的输出，或者一个错误提示。这个结果会被当作Observation追加到上下文里。模型在下一轮生成Thought时，会先“读”这个反馈，判断上次行动是成功还是失败，等信息是否满足需求。

反馈解析的质量直接影响Agent是否聪明。如果模型无视Observation，只顾自己说，那它又变回了一个闭卷考试的学生。而ReAct给了Agent一个关键能力：根据真实世界的反馈修正自己。它可能发现原来的假设错了，于是调整计划；也可能发现信息已经足够了，于是提前终止。

小雷尝一口汤，就知道该加盐还是加水。ReAct的Observation正是这个“尝一口”的动作——它让AI不再闭门造车，而是用真实反馈校准自己的每一个决定。看得见反馈的Agent，才能在大事的迷雾中摸到正确的路。

停止条件

再好的菜也有出锅的时刻，再难的题也有交卷的时候。ReAct循环的难点不只是“如何转”，更是“何时停”。小雷在厨房立了规矩：菜炖到筷子能轻易插透肉皮就关火。ReAct同样需要一套清晰的停止条件，否则Agent会像不停转圈的陀螺，在循环里空转。

最理想的停止条件是目标达成——模型判断任务已经完成，输出 finish 行动并给出最终答案。但现实世界中，模型可能误判结果，或者在错误的路径上越走越远，所以必须配套防御性停止条件。最常见的是步数上限：设定最大循环次数（如10轮），超过则强制终止并输出当前结果。此外还有重复检测：如果模型连续多次生成相同或高度相似的行动，说明它陷入了死循环，应当打断。

这些停止条件就像厨房里的安全网：主厨可以有创造力，但煤气也要有自动熄火保护。一个工程化的Agent系统，通常同时配置多个停止信号，任何一个触发都会结束循环，把控制权交还给用户或上级系统。

一道菜有火候，一个循环有边界。好的Agent不只会“埋头干活”，更知道“何时收手”。停止条件就是ReAct模式的刹车系统——它让Agent既能全力以赴，又不会失控狂奔。

实践价值

小雷从学徒变成主厨后，开始带自己的徒弟。他发现，用“看一步做一步”的方法教出来的徒弟，比“死记硬背菜谱”的徒弟要强得多——因为前者学会了应对意外，后者只会按部就班。这正是ReAct模式的实践价值所在。

第一，它能扛复杂任务。需要多步信息收集、多次判断的任务，比如“调研三个竞品的最新动态并给出对比报告”，传统单轮问答几乎不可能完成，而ReAct通过循环可以逐步收集、汇总。第二，过程可解释。模型每轮都会输出Thought（为什么这么做），整个决策链条被完整记录，开发者能清晰看到Agent是从哪一步走偏的，这比黑盒式的一锤子响应对调试友好得多。

第三，它是模型与工具的协同框架。ReAct让大语言模型的“大脑”连接上搜索、代码、数据库等“手和脚”，让模型不再局限在训练数据里。第四，它是更高级Agent的基座。如今复杂的分工式Agent、多Agent协作系统、AutoGPT类项目，其底层核心都长着ReAct的影子——理解ReAct，就是理解Agent架构进化树上的根节点。

小雷的徒弟学会了“翻一页、做一步、看一眼”的节奏，最终也能独立掌勺。ReAct对于AI开发者的意义也是如此：它不是某一个模型的能力，而是一套让AI“靠谱干活”的方法论——这套方法论，正撑起整个Agent应用落地的大厦。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""一个模拟 ReAct 循环的迷你 Agent 示例。 不使用真实 LLM API，用规则函数模拟"推理-行动-观察"的循环，演示 Agent 如何通过多步工具调用完成"查天气并给出穿衣建议"的任务。"""import json TOOLS = {    "get_weather": lambda city: {"city": city, "temp": 12, "condition": "小雨"},    "get_advice": lambda temp: "建议穿风衣并带伞" if temp < 15 else "建议穿薄外套",    "finish": lambda answer: {"done": True, "answer": answer}} def llm_think(context):    """模拟大模型的推理：根据上下文决定下一步行动。"""    if "get_weather" not in context:        return "用户想知道上海今天穿什么，先查询天气。"    if "advice" not in context:        return "天气数据拿到了，再查询穿衣建议。"    return "信息齐全，可以输出最终答复。" def llm_act(thought):    """模拟大模型从推理中生成结构化行动指令。"""    if "查询天气" in thought:        return {"tool": "get_weather", "params": {"city": "上海"}}    if "穿衣建议" in thought:        return {"tool": "get_advice", "params": {"temp": None}}    return {"tool": "finish", "params": {"answer": "上海今天有雨，气温12度，建议穿风衣并带伞。"}} def run_react(max_steps=5):    """执行 ReAct 循环：推理 -> 行动 -> 观察，直到 finish 或步数耗尽。"""    context = []    history = []    step_count = 0    while step_count < max_steps:        step_count += 1        thought = llm_think(" ".join(history))        action = llm_act(thought)        tool_name = action["tool"]        params = action["params"]        if tool_name == "get_weather":            result = TOOLS[tool_name](params["city"])            params["temp"] = result["temp"]        elif tool_name == "get_advice":            result = TOOLS[tool_name](params["temp"])        else:            result = TOOLS[tool_name](params["answer"])        context.append({"thought": thought, "action": action, "observation": result})        history.append(thought + " " + json.dumps(action, ensure_ascii=False) + " -> " + json.dumps(result, ensure_ascii=False))        print(f"[第{step_count}轮] 推理: {thought}")        print(f"         行动: {json.dumps(action, ensure_ascii=False)}")        print(f"         观察: {result}")        if result.get("done"):            print(f"任务完成！最终回答: {result['answer']}")            return context    print("达到最大步数，任务未完成。")    return context if __name__ == "__main__":    run_react()

1. def llm_think(context)模拟模型的“思考”环节，根据当前上下文决定下一步动作。在真实系统中，这里会调用GPT、Claude等大模型。
2. def llm_act(thought)把思考结果转化成结构化的tool调用指令，模拟模型输出JSON格式行动的过程。
3. context.append(...)把每一轮的思考、行动和观察都追加进历史记录，构建持续累积的上下文。
4. history.append(thought + ...)将三轮信息序列化成一行文本，模拟真实Agent中“把历史拼接成新prompt”的操作。
5. if result.get("done")检查观察结果中的done标记，实现“目标达成即结束”的停止条件。
6. while step_count < max_steps实现步数上限保护，防止Agent陷入死循环。

常见误区

面试题