ReAct 范式

在 agent 成为一个产品品类之前，有一个朴素的观察：只会想的模型和只会做的模型都有短板，把两者交织起来则胜过任何单独一边。这个想法就是 ReAct——推理与行动——也是你今天要搭的 agent 循环在概念上的祖先。

把 ReAct 当作一个思想来理解，撇开任何框架，才能解释这个循环为什么长成现在这样。

两个半吊子方案

看一个需要外部信息的问题：「这三个库当中，哪个最近发过版本？」

只推理（思维链（chain-of-thought））能让模型一步步想下去，但它没有任何办法去核实。它只能依据参数里的东西推理，而那些东西可能过时，也可能根本没有。它能给出一个论证漂亮、答案是错的回答。

只行动——中间不加推理地连发工具调用——解决了信息问题，却制造了新问题。没有推理，模型就无法解读结果、判断它没用、或者调整方向。它只会盲目开火。

两边各自在对方成功的地方失败。推理有判断力，却无据可依；行动有依据，却没有判断力。

交织

ReAct 把两者合成一个循环：

Thought: 我需要查出每个库最近一次发布的日期。
Action:  search("库 A 最新版本")
Observation: A 于 2026-08-14 发布了 v3.1
Thought: 一个搞定，接下来看 B。
Action:  search("库 B 最新版本")
Observation: B 于 2026-05-02 发布了 v2.0
...
Thought: 三个当中，A 最近发过版本。
Answer: 库 A。

Thought 是模型用自然语言推理下一步做什么。Action 是一次工具调用。Observation 是结果，被喂回去。然后是下一个 Thought，以 Observation 揭示的内容为条件。

威力在于反馈。每个 Thought 都写在上一次 Observation 之后，所以推理始终以真实结果为据，而不是开环空转。模型能发现某次搜索什么都没返回，然后换一个查询重试——这是两个半吊子方案都做不到的修正。

Thought 这一步为什么值这些 token

为了省 token 把 Thought 那几行砍掉、只输出动作，确实很诱人。但这通常是错的，有两个原因。

第一，让思维链奏效的机制在这里同样成立：每个推理 token 都是一次额外的前向传播，用文字把计划写出来，能可测量地改善随后的动作。Thought 不是装饰——它是塑造下一个选择的计算。

第二，Thought 是你观察 agent 决策的窗口。一次运行出问题时，正是这一串 Thought 告诉你它为什么选了那个糟糕的动作。把它们砍掉，你就是在盲调。

从 ReAct 到你今天要搭的循环

现代的 agent 循环就是 ReAct，只是推理被放进了模型内部，不再硬塞进一个死板的文本模板。

早期的 ReAct 用少样本示例把这个格式显式写进 prompt：直接把「Thought:/Action:/Observation:」的循环演示给模型看，让它照着续写。今天，模型被训练成原生就能产出推理和结构化工具调用，你很少再手写模板。但形状完全一样——想、做、看、重复到结束。当你读到那个十五行的循环时，你读到的就是 ReAct，只是脚手架已经被吸收进模型和工具调用 API 里了。

这就是为什么即便你不会手写 ReAct，也值得了解它：它给这个循环所体现的原则命了名。

它在哪里吃紧

ReAct 是地基，不是成品答案，它的局限正是上面还要叠更多结构的原因。

没有前瞻。 ReAct 一次只决定一步，不会往前算几步，所以会走进有远见就能避开的死胡同。任务需要在动手前先有规划时，多步规划是叠在 ReAct 之上，而不是取代它。

推理漂移。 跑得久了，Thought 会偏离最初的目标——也就是循环本身要面对的那个上下文膨胀问题。把目标重述一遍有帮助。

失败叠加。 ReAct 继承了循环的算术：每一步都是一次出错的机会，可靠性会随步数累积下降。每步多推理一点，救不了一个糟糕的指数。

啰嗦的代价。 每个 Thought 和 Observation 都是 token，每次迭代都要重发。ReAct 换来的清晰不是白来的。

这些都不是否定。它们是一张地图，标出你该在 ReAct 周围搭什么：用规划补前瞻，用记忆治漂移，用可靠性模式应对失败叠加。

要点回顾

• ReAct 把推理与行动交织起来，补上各自的盲区：只推理无据可依，只行动没有判断力。
• 循环是 Thought → Action → Observation → 重复，每个 Thought 都以最新的 Observation 为条件，因而能在任务中途纠偏。
• 推理这一步值它的 token——它改善下一个动作，也给你留下可调试的调用链。
• 现代的 agent 循环就是 ReAct，推理模板已经被吸收进训练好的模型里。
• 它没有前瞻，又继承失败叠加——这正是规划和可靠性层要叠在它上面的原因。

下一篇： Agent 架构