ReAct：让语言模型协同推理与行动

原标题：ReAct: Synergizing Reasoning and Acting in Language Models 作者：Shunyu Yao et al. (Princeton / Google Brain) 发表年份：2023 · ICLR 一句话价值：ReAct 让大模型学会了「先想一步，再做一步」的交替工作方式，成为了 AI Agent 产品设计的基础框架。

---

30 秒速览

以前让大模型帮你做事，它要么只会「想」（推理但不执行），要么只会「做」（执行但不思考为什么）。ReAct 的突破很简洁：让模型在推理和行动之间交替进行——先想一下该干什么（Thought），然后执行一个动作（Action），看到结果后再想下一步。就像一个靠谱的助理：先分析问题，执行一步，检查结果，再决定下一步。这个「想→做→观察→想→做」的循环，成了所有 AI Agent 的基本工作模式。

---

核心问题

大模型有两种能力各自为战：

1. 推理能力（Chain-of-Thought）：模型能分步思考，但只是在脑子里想，不会去外面查资料或执行操作
2. 行动能力：模型能调用工具（搜索、计算器等），但只是机械执行，不会反思结果

产品需要的是：一个能思考、能行动、能根据结果调整策略的 Agent。

---

关键创新

1. Thought-Action-Observation 循环

是什么：

• Thought（想）：模型先分析当前情况，规划下一步
• Action（做）：执行一个具体操作（搜索、调 API、查数据库）
• Observation（看）：观察执行结果
• 然后回到 Thought，基于结果决定下一步

为什么重要：这个循环让 AI 具备了「自主工作」的能力——不是简单地一问一答，而是能持续推进任务直到完成。

一句话记忆：「ReAct 的 Thought-Action-Observation 循环是 AI Agent 的基本呼吸节奏。」

2. 推理让行动更准确

是什么：论文实验证明，让模型在行动前先推理一下（Thought），搜索准确率和任务完成率都大幅提升。模型会自己思考"我应该搜什么关键词"、"这个结果够不够"、"需不需要进一步查"。

为什么重要：这意味着 Agent 产品的质量不只取决于工具有多好，还取决于推理策略设计得好不好。

一句话记忆：「加一个 Thought 步骤，Agent 的准确率能提升 20% 以上——思考比盲目行动更重要。」

3. 行动让推理更可靠

是什么：纯推理（CoT）容易产生幻觉——模型编造事实来支撑推理。ReAct 的行动步骤让模型能获取真实信息，大幅减少了幻觉。

为什么重要：对产品来说，这意味着 Agent 架构天然比纯对话架构更准确——因为 Agent 可以用工具验证自己的推理。

---

产品经理视角

这篇论文改变了什么？

• 之前：AI 只能做一问一答式的对话，无法自主完成复杂任务
• 之后：AI 可以像人类一样「分析→执行→反思→继续」，自主完成多步骤任务
• 产品影响：直接催生了 Claude Computer Use、Auto-GPT、ChatGPT Plugins 等 Agent 产品形态

你应该知道的数据

• ReAct 在 HotpotQA（多跳问答）上比纯 CoT 准确率提升了 6%
• 在 ALFWorld（虚拟环境任务）上，ReAct 的任务完成率比纯行动模型提升了 34%
• ReAct 的幻觉率比纯 CoT 降低了约 30%

实际应用场景

1. Claude Agent / Computer Use：Anthropic 的 AI Agent 基于类似思路，能自主操作电脑完成任务
2. Auto-GPT / AgentGPT：自主 Agent 项目的底层范式就是 ReAct 循环
3. LangChain Agent：最流行的 Agent 开发框架，核心就是 ReAct 模式的实现

---

面试高频问题

Q1: 什么是 ReAct？它和 Chain-of-Thought 有什么区别？

参考回答：ReAct 是让大模型交替进行推理（Thought）和行动（Action）的框架。与 Chain-of-Thought 的区别在于：CoT 只是让模型在脑子里分步思考，但不与外部世界交互；ReAct 不仅思考，还能执行操作（搜索、调 API、查数据库），然后基于真实结果继续推理。打个比方，CoT 像是闭卷考试——模型只能用脑子里的知识；ReAct 像是开卷考试——模型可以查资料、验证答案。所以 ReAct 的准确率更高、幻觉更少。

Q2: AI Agent 的核心架构是什么？

参考回答：AI Agent 的核心是 ReAct 提出的 Thought-Action-Observation 循环。Agent 接到任务后，先分析任务（Thought），决定调用什么工具（Action），查看执行结果（Observation），然后决定下一步。这个循环持续进行直到任务完成。在工程实现上，还需要考虑工具注册、错误处理、最大循环次数限制、上下文管理等实际问题。

Q3: 设计一个 AI Agent 产品需要注意什么？

参考回答：三个关键设计点：第一是工具选择——给 Agent 接入哪些工具决定了它能做什么，要精选而非贪多；第二是失败处理——Agent 在执行中可能遇到工具调用失败、结果不符预期等情况，需要设计重试策略和兜底方案；第三是可控性——用户需要能看到 Agent 的推理过程（透明度）、能在关键节点确认（审批机制）、能随时中止（终止开关）。不能让 Agent 变成一个黑盒。

---

与其他论文的关系

• 前置知识：Chain-of-Thought Prompting（推理基础），Toolformer（工具使用）
• 后续发展：
  • Reflexion（2023）：让 Agent 从失败中学习和反思
  • AutoGPT（2023）：全自主 Agent 的实际项目
  • Claude Computer Use（2024）：Anthropic 的桌面操作 Agent
• 对比论文：与 Toolformer 相比，ReAct 强调推理与行动的协同，而 Toolformer 侧重工具调用能力本身

---

一页纸总结