ReAct

ReAct 是"Reasoning + Acting"的缩写，由姚顺雨（Shunyu Yao）等人于 2022 年提出（论文《ReAct: Synergizing Reasoning and Acting in Language Models》，中文译名《在语言模型中协同推理与行动》）。核心思想是让语言模型在行动之前先输出显式的推理轨迹，再执行行动，观察结果，然后再推理、再行动，形成 Thought → Action → Observation 的交织循环。

与"直接输出行动命令"不同，ReAct 要求模型说明为何选择这个工具、结果意味着什么、下一步如何调整。这种显式推理带来两个实际好处：模型能根据真实观察结果自我校正，而不是盲目执行预设步骤；同时人类和调试工具可以跟踪推理过程，判断在哪一步产生了误判。

三元素循环

ReAct 循环的最小单元：

元素	含义	示例
Thought（思考）	模型对当前状态的推理	“需要找到 Python 3.10 的发布日期，应该搜索官方文档”
Action（行动）	调用工具或执行操作	`search("Python 3.10 release date")`
Observation（观察）	工具返回的实际结果	`"Python 3.10 was released on October 4, 2021"`

这三元素重复迭代，直到模型判断任务完成并输出最终答案。

与 Agent Loop 的关系

ReAct 是 Agent Loop（智能体循环）的模型端实现模式。Agent Loop 描述 harness 层面的控制流（“模型推理 → 工具执行 → 结果追加回上下文”）；ReAct 描述模型本身的输出结构——每次工具调用前必须输出推理轨迹，而不是直接给出函数调用。

两者的分工：

层次	负责方	关注点
ReAct	模型自身	推理轨迹的格式与内容
Agent Loop	Harness	工具执行、结果追加、循环控制

现代模型（Claude、GPT-4 等）的工具调用已内化了 ReAct 的思想，但推理步骤不一定以纯文本形式暴露——它可能是模型内部的 extended thinking 而非显式 Thought 输出。

与 Chain-of-Thought 的区别

Chain-of-Thought（CoT）：只有推理，没有外部行动——模型在上下文中"想"，但不从真实环境获取新信息
ReAct：推理与真实世界行动交织——每一步的 Observation 来自真实工具调用，推理基于实际反馈而非模型自己的预测

CoT 只能依赖训练时知识，ReAct 能处理需要实时外部信息的任务。

为何重要

ReAct 的关键贡献是把"先想清楚再执行"引入 Agent 循环，而不是让模型直接输出行动序列。这使 Agent 能够：

动态重规划：根据中间观察结果调整计划，而非执行预设步骤
优雅处理意外：工具返回意外输出时，Thought 步骤允许模型重新评估策略
可审计推理：推理轨迹对人类可见，便于调试和建立信任

在 AlfWorld 基准测试（多步交互式文字任务）中，ReAct 相较当时基础线提升约 34%，是验证该范式有效性的关键早期数据点。

ReAct 直接影响了后续大多数 Agent 框架（LangChain、AutoGPT、LangGraph）的设计——几乎所有现代 Agent 框架都把"思考-行动-观察"三元组作为基本执行单元。

在循环演进中的位置

ReAct 是第二代（Gen 2，2022–2023）Agent Loop（智能体循环）架构的基础模式，也是后续所有增强方案的出发点。同代的代表性模式还有：

Reflexion（反思）：在 ReAct 外层加入自评估循环，每次失败后生成语言反思存入情节记忆，再次尝试时读入；更适合试错密集型任务
Plan-and-Execute（规划与执行）：先完整规划后并行执行各子步骤，无需每步等待上步结果；适合步骤相对独立的并行型任务

第三代（2024）引入 OODA 循环、内外双循环（Inner/Outer Dual Loop）和多 Agent 编排；第四代（2025–2026）则出现了 /goal、/loop 等原生目标追踪命令和 Ralph Loop 等带外部状态的 shell 循环模式，详见 Agent Loop（智能体循环）的"四代循环演进"章节。