🔄 ReAct模式

1. 什么是ReAct

ReAct（Reasoning + Acting）是由Yao et al.（2022）提出的一种将推理与行动交织进行的Agent架构模式。 它让LLM在每一步都输出一个"Thought"（思考），然后决定采取什么"Action"（行动），最后观察行动的结果"Observation"（观察）， 形成一个Thought → Action → Observation的闭环循环，直到任务完成。

各阶段详解

阶段	作用	示例
Thought（思考）	分析当前状态，推理下一步该做什么	"用户想查天气，我需要先确认城市名称，然后调用天气API"
Action（行动）	执行具体操作（调用工具、检索信息等）	search_weather(city="北京")
Observation（观察）	获取行动结果，为下一次思考提供依据	{"temp": 25, "weather": "晴"}

2. ReAct vs 传统Chain-of-Thought

传统Chain-of-Thought（CoT）只是让LLM在输出最终答案前进行逐步推理，但推理过程完全在模型内部完成， 无法与外部世界交互。ReAct将推理与行动能力结合，使Agent能够获取外部信息、调用工具、执行操作。

维度	Chain-of-Thought	ReAct
核心机制	纯推理链，逐步推导答案	推理+行动交替，与环境交互
外部交互	❌ 无	✅ 可调用工具、API、检索系统
信息获取	仅依赖模型参数内知识	可获取实时外部信息
错误纠正	难以自我纠正（可能陷入幻觉）	通过观察反馈自我纠正
Token消耗	较低（仅推理文本）	较高（推理+工具调用+结果）
适用场景	数学推理、逻辑问题	信息检索、工具编排、Agent任务
事实准确性	可能产生幻觉	通过外部信息降低幻觉率

3. ReAct实现机制

核心伪代码

def react_agent(query, tools, max_steps=10):
    """
    ReAct Agent 核心循环
    """
    context = [{"role": "system", "content": SYSTEM_PROMPT}]
    context.append({"role": "user", "content": query})

    for step in range(max_steps):
        # 1. 调用LLM，获取Thought + Action
        response = llm.generate(context)
        
        # 2. 解析出 Thought 和 Action
        thought = parse_thought(response)
        action = parse_action(response)  # e.g. {"tool": "search", "args": {...}}
        
        # 3. 检查是否为最终答案
        if action.type == "FINISH":
            return action.answer
        
        # 4. 执行 Action，获取 Observation
        observation = execute_tool(action.tool, action.args)
        
        # 5. 将 Thought/Action/Observation 追加到上下文
        context.append({
            "role": "assistant",
            "content": f"Thought: {thought}\nAction: {format_action(action)}"
        })
        context.append({
            "role": "system",
            "content": f"Observation: {observation}"
        })
    
    return "Max steps reached"

执行流程

4. 循环终止条件设计

ReAct的核心挑战之一是何时停止循环。终止条件设计直接影响Agent的效率和准确性。

终止策略	描述	优点	缺点
显式终止信号	Agent输出特定的"FINISH"动作，附带最终答案	语义清晰，答案质量可控	Agent可能过早或过晚终止
最大步数限制	设置 max_steps，达到上限时强制返回	简单可靠，防止无限循环	可能截断有效探索
Token预算限制	当上下文总Token数超过阈值时终止	直接控制成本	需要在性能和成本间权衡
连续失败检测	连续N次工具调用失败或Observation无进展时终止	智能检测卡死	阈值设置需要调优
置信度判断	当Agent对结果的置信度超过阈值时自动终止	语义级控制	置信度评估本身不可靠

5. 适用场景与局限性

✅ 适用场景

• 信息检索与问答：需要联网搜索或多步查询的任务
• 工具调用编排：需要动态选择和组合多个工具的场景
• 简单的Agent任务：如客服问答、数据查询、内容生成
• 需要实时信息的任务：天气查询、股票行情、新闻摘要

❌ 局限性

• 复杂多步骤规划能力弱：ReAct是贪心式决策，缺乏全局规划
• Token消耗高：每步都需要完整的Thought文本，长任务累积成本显著
• 缺乏并行执行能力：天然串行，无法同时执行多个独立动作
• 长上下文退化：随着循环增多，长上下文中的信息检索能力下降
• 错误传播：早期工具调用的错误可能误导后续推理

6. Token消耗优化