07｜ReAct：让推理与行动交替发生
从论文模式到提示实现，理解推理与外部观察如何闭环。
从论文模式到提示实现，理解推理与外部观察如何闭环。
ReAct 像夜间导航：先根据当前地图走一步，看到封路后更新路线；计划和环境反馈交替。
本课交付物
给研究问题设计 Thought/Action/Observation 轨迹，注入一次搜索失败并要求恢复。
核心讲解
提示：
本节将深入探讨 AI 智能体的内部运作机制——其推理与规划能力。我们将解析智能体如何通过内部对话分析信息，将复杂问题分解为可管理的步骤，并决策下一步行动。同时介绍 ReAct 方法，是一种鼓励模型在行动前"逐步思考"的提示技术。
思维（Thought）代表着智能体解决任务的内部推理与规划过程。
这利用了智能体的大型语言模型 (LLM) 能力来分析其 prompt 中的信息。
可将其视为智能体的内部对话，在此过程中它会考量当前任务并制定应对策略。
智能体的思维负责获取当前观察结果，并决定下一步应采取的行动。
通过这一过程，智能体能够将复杂问题分解为更小、更易管理的步骤，反思过往经验，并根据新信息持续调整计划。
以下是常见思维模式的示例：
| 思维类型 | 示例 |
|---|---|
| Planning（规划） | “I need to break this task into three steps: 1) gather data, 2) analyze trends, 3) generate report”（“我需要将任务分解为三步：1）收集数据 2）分析趋势 3）生成报告”） |
| Analysis（分析） | “Based on the error message, the issue appears to be with the database connection parameters”（“根据错误信息，问题似乎出在数据库连接参数”） |
| Decision Making（决策） | “Given the user’s budget constraints, I should recommend the mid-tier option”（“考虑到用户的预算限制，应推荐中端选项”） |
| Problem Solving（问题解决） | “To optimize this code, I should first profile it to identify bottlenecks”（“优化此代码需先进行性能分析定位瓶颈”） |
| Memory Integration（记忆整合） | “The user mentioned their preference for Python earlier, so I’ll provide examples in Python”（“用户先前提到偏好 Python，因此我将提供 Python 示例”） |
| Self-Reflection（自我反思） | “My last approach didn’t work well, I should try a different strategy”（“上次方法效果不佳，应尝试不同策略”） |
| Goal Setting（目标设定） | “To complete this task, I need to first establish the acceptance criteria”（“完成此任务需先确定验收标准”） |
| Prioritization（优先级排序） | “The security vulnerability should be addressed before adding new features”（“在添加新功能前应先修复安全漏洞”） |
注意： 对于专为 function-calling 微调的 LLMs，思维过程是可选的。
若您不熟悉 function-calling 概念，后续"行动"章节将提供详细说明。
ReAct 方法
核心方法是 ReAct 方法，即"推理"（Reasoning/Think）与"行动"（Acting/Act）的结合。
ReAct 是一种简单的提示技术，在让 LLM 解码后续 token 前添加"Let’s think step by step"（让我们逐步思考）的提示。
通过提示模型"逐步思考"，可以引导解码过程生成计划而非直接输出最终解决方案，因为模型被鼓励将问题分解为子任务。
这种方法使模型能够更详细地考虑各个子步骤，通常比直接生成最终方案产生更少错误。
图 (d) 展示了 ReAct 方法示例，我们通过"Let’s think step by step"提示模型
提示：
近期推理策略受到广泛关注，这体现在 Deepseek R1 或 OpenAI 的 o1 等模型的开发中。这些模型经过微调，被训练为"先思考再回答"。它们通过特殊标记（
<thought>和</thought>）来界定 思考 部分。这不仅是类似 ReAct 的提示技巧，更是通过分析数千个示范案例，让模型学习生成这些思考段的训练方法。
现在我们已经深入理解了思维过程，接下来将更深入探讨流程的第二部分：行动。
本站实战工作台
先行动一步，再用现实校准
ReAct 把推理与行动交替：当前信息只足以选下一步，工具观察补充事实，策略据此更新。它避免一次性写出看似完整却建立在猜测上的长计划。
一条研究轨迹
问题是“函数调用何时进入主流模型 API”。第一步应搜索一手发布说明，而不是凭记忆回答年份。观察到官方页面后，读取发布日期与功能描述；再用另一份官方或论文来源交叉验证；最后区分事实与推断。
Thought: 需要一手发布日期
Action: search(domain=official, query=function calling release)
Observation: 2 个候选，其中 1 个官方更新页
Thought: 读取官方页面并提取事件日期
Action: open(result=official)
Observation: 页面注明 2023-06，并描述结构化参数
生产系统不应把完整隐式思维链写入日志。记录简短 decisionReason、动作、观察摘要和来源即可，既能审计又减少敏感推理暴露。
注入一次搜索失败
让 search 返回 TIMEOUT。策略只重试一次并缩小查询；第二次失败时可换备用来源或停止并说明缺证据。不要在没有观察时继续生成结论。
防止“思考很多，行动很少”
限制每轮理由长度，要求每个动作对应一个待解决未知。若连续两轮没有新增状态，触发 STALLED。ReAct 的价值是反馈，不是把长篇内心独白包装成系统能力。
何时不用 ReAct
固定表单校验和批处理不需要模型每步重决策。高延迟工具也可能更适合先批量计划。选择模式时比较反馈价值与调用成本。
验收看轨迹能否从真实观察修正路线、失败是否有限、最终结论是否引用证据。漂亮 Thought 文本本身不计分。