跳到主要内容

ReAct（Reasoning and Acting）推理与行动框架指南

摘要​

ReAct（Synergizing Reasoning and Acting）是由 Princeton University 与 Google 于 2022 年提出的 LLM Agent 基础框架。它通过让模型在**推理（Reasoning / Thought）与行动（Acting / Tool Use）**之间交替进行，形成闭环循环，从而实现更可靠、动态、可解释的任务执行。

2026 年，ReAct 仍然是构建单 Agent 系统最常用、最稳定、最易落地的核心范式，被主流 Agent 框架广泛采用。与 Long CoT、Self-Reflection、原生工具调用等技术深度融合后，其性能和适用范围得到显著扩展。

1. ReAct 核心原理​

1.1 什么是 ReAct？​

  • 核心思想：单纯的 Chain of Thought 容易产生幻觉，单纯的工具调用又缺乏规划。ReAct 将两者有机结合：推理指导行动，行动结果反馈并更新推理。

  • 经典循环结构：

    1. Thought：分析当前状况、制定下一步计划、决定是否需要使用工具。
    2. Action：选择并调用具体工具。
    3. Observation：接收工具返回的结果。
    4. 重复上述循环，直到模型认为可以输出最终答案（Final Answer）。

  • 关键优势：

    • 极强的可解释性（完整 Thought 轨迹可供人类审查）
    • 显著降低幻觉现象
    • 适应动态和开放环境
    • 便于调试、监控和人工干预

1.2 原论文核心贡献（2022）​

  • 在知识密集型任务（如 HotpotQA、FEVER）上大幅优于标准 CoT。
  • 在交互式环境（如 ALFWorld、WebShop）中，成功率显著提升，仅需少量示例即可达到良好效果。
  • 证明了推理与行动协同的优越性。

2. 最新发展（2025-2026）​

  • ReAct 仍是大多数生产级 Agent 的默认起点。
  • 重要融合趋势：
    • 与 Long CoT 结合：在 Thought 阶段进行更深入、带试错的内部推理。
    • 原生工具调用（Function Calling）支持：主流模型已内置，简化实现流程。
    • 与 Self-Reflection 结合：行动失败后进行自我批判和优化。
    • Planner-Executor 架构：高层规划器制定策略，低层执行器使用 ReAct 完成具体行动。
    • 框架层面的状态管理和持久化支持，大幅提升长时序任务能力。

3. 实现方式​

3.1 基础实现思路​

ReAct 通常通过精心设计的 Prompt 模板驱动模型遵循固定格式输出（Thought → Action → Observation）。现代实现中，框架会自动解析输出并管理循环流程。

3.2 增强变体​

  • ReAct + Self-Reflection：在循环中或失败后增加反思步骤。
  • Hierarchical ReAct：多层结构，主 Agent 负责协调，子 Agent 执行具体任务。
  • Multi-Agent ReAct：多个 Agent 通过 ReAct 模式进行协作。
  • ReAct + ToT：在关键决策点引入思维树进行多路径探索。

4. 实际案例​

案例 1：研究与信息汇总 Agent​

模型需要查找最新信息时，会先思考需要哪些数据来源，然后调用搜索工具，观察结果后决定是否需要进一步浏览具体页面，最终汇总并输出带来源的结论。

案例 2：交互式任务 Agent​

在虚拟或真实环境中（如网页操作、机器人控制），模型通过 Thought 规划动作序列，执行具体操作，根据环境反馈持续调整策略。

案例 3：代码与数据分析 Agent​

面对数据分析需求时，思考分析步骤，调用代码执行工具，观察中间结果，迭代优化分析逻辑，最终生成报告。

案例 4：客服与问题解决 Agent​

结合知识库检索和外部 API，动态处理复杂用户查询，并在必要时引导人工介入。

5. 适用场景​

强烈推荐使用 ReAct 的场景：

  • 工具密集型任务（搜索、API 调用、数据库查询、浏览器控制等）
  • 动态和交互式环境
  • 需要高可解释性和可审计的生产系统（金融、医疗、法律、客服）
  • 作为多 Agent 系统的基础构建模块

建议结合其他模式：

  • 纯复杂推理任务 → 优先 Long CoT 或 ToT
  • 高可靠性需求 → 叠加 Self-Reflection
  • 多方案探索需求 → 结合 ToT

6. 与其他推理模式的对比（2026视角）​

维度CoT / Long CoTToTSelf-ReflectionReAct
核心结构线性 / 长链树状搜索迭代批判Thought-Act-Observation 循环
工具使用能力弱中中极强
动态环境适应弱中中极强
可解释性高最高高高
计算成本中高中中-高
最佳任务类型数学、写作规划、创造代码审查、纠错工具 Agent、检索、交互
2026 地位基础推理探索型可靠性增强Agent 默认循环框架

最强混合策略：Long CoT（深度思考） + ReAct（行动执行） + Self-Reflection（自我优化） + ToT（关键节点探索）。

7. 最佳实践与注意事项（2026）​

  • 清晰定义工具描述和输出格式约束
  • 建立完善的错误处理、重试和退出机制
  • 设置最大循环步数，防止无限循环
  • 选择工具调用能力强的底层模型
  • 重点关注可观测性，完整记录每一步轨迹
  • 对高风险操作实施人类审核流程
  • 定期评估任务成功率、步骤效率和成本

8. 未来趋势​

  • ReAct 继续作为 Agent 的底层循环，被更高级的规划-执行架构包裹
  • 多模态扩展（支持图像、视频、语音交互）
  • 与强化学习和过程监督进一步融合，实现持续自进化
  • 标准化评估基准推动框架持续优化

参考文献​

  • Yao et al., ReAct: Synergizing Reasoning and Acting in Language Models (2022)
  • 2025-2026 年主流 Agent 框架实践总结
  • OpenAI o-series、Claude 4 等模型的 Agent 能力报告

文档结束

此文档为全新完整独立版本，已去除所有代码示例，结构清晰、内容全面。如需调整长度、增加特定案例、生成其他主题（如 ToT 或 Self-Reflection）的独立文档，或进一步优化，请随时告诉我！