最近在学习 ReAct ，是现在大模型 Agent 方向用的最多的范式，读完之后感觉对”为什么现在的 AI 助手能一步一步解决问题”这件事理解深了不少，记录一下。
ReAct 是什么
ReAct = Reason（推理）+ Act（行动）。
一句话概括：让模型边思考边行动，而不是只想不做或只做不想。
在 ReAct 之前，有两种主流做法，各有各的问题：
| 方法 | 做法 | 问题 |
|---|---|---|
| 思维链（CoT） | 只在脑子里推理 | 封闭系统，一旦记错事实就会一直编下去（幻觉） |
| Act-only | 只执行动作 | 不规划、不思考，遇到意外完全不会调整 |
| ReAct | 推理与行动交替 | 两者结合，互相补充 |
它在解决什么问题
论文作者把旧模型的毛病总结得很形象，我觉得可以叫两种病：
幻觉病：思维链推理是闭门造车。模型的”知识”全靠训练时记住的东西，如果某个事实记错了，它会顺着错误逻辑一直推下去，越推越离谱，还一本正经。
盲目病：纯行动模型不知道自己在做什么。让它搜网页、操作环境，它没有规划能力，遇到意外情况不会换策略，只会卡死。
ReAct 的解法：行动去获取真实信息，推理来分析信息和规划下一步。两者互相制约，就不容易同时犯这两种病。
运行机制：Thought → Action → Observation 循环
ReAct 的核心是一个三步循环：
Thought（思考） ↓Action（行动） ↓Observation（观察外部反馈） ↓Thought（根据反馈更新计划） ↓...直到得出最终答案Thought：模型告诉自己现在的处境和下一步打算，类似内心独白。
Action：执行具体指令，比如 search[苹果公司创始人]、click[购买按钮]。
Observation：外部环境返回结果，比如搜索结果、网页内容、操作是否成功。
有个很好的类比——厨房做饭：
推理：“菜切好了，下一步该烧水。” 行动：打开煤气灶。 观察：没煤气了。 推理：“没气了，改用电磁炉。”
这种循环其实就是人类处理突发情况的自然逻辑，ReAct 把它显式化成了模型的输出格式。
实验结果
论文在四个任务上做了测试：
- HotpotQA（多跳问答）：需要综合多条信息才能回答，ReAct 减少了幻觉，因为它会去维基百科核实而不是靠记忆
- FEVER（事实校验）：判断陈述是否属实，同样受益于实时查询真实信息
- WebShop（模拟购物）：在电商网站上按条件找商品，ReAct 比纯行动方法好很多
- ALFWorld（家庭机器人任务）：在模拟环境里完成”去厨房找杯子”这类任务，ReAct 表现最佳
共同的结论：推理让行动更有方向，行动让推理更接地气。
优缺点
优点：
- 灵活：像人一样能处理意外，中途改变计划
- 可解释：Thought 日志清楚记录了模型的推理过程，出了问题能追溯
- 易上手：只需要给几个示例（Few-shot prompting），模型就能学会这种格式，不需要专门微调
- 可纠正：人类可以介入 Thought 日志，手动纠正模型的思路
缺点：
- 容易死循环：模型有时候会反复执行同一个错误动作，卡在某个步骤出不来
- 消耗 Token 多：每一步都要输出 Thought + Action，整个流程很长，比普通对话贵得多
读完的感受
AI Agent “能一步一步解决问题”看起来是某种神奇的能力。本质上就是把人类解决问题的思维流程——看情况、想方案、做动作、看结果、再调整——显式地编码成了模型的输出格式。
ReAct 发表于 2022 年，现在回头看，它其实是很多 Agent 框架（LangChain、AutoGPT 等）的理论基础。理解了 ReAct，再去看这些框架的设计思路就顺多了。
如果用一句话总结：ReAct 让 AI 从”背书机器”变成了能看一眼现实、想一想下一步、再动手操作的智能体。