ReAct模式：推理和行动交替的Agent核心范式

什么是ReAct

ReAct = Reasoning（推理）+ Acting（行动），是当前最主流、最实用的Agent设计模式。

简单说：Agent不是想好了再干，也不是干了再说，而是"想一步→干一步→看结果→再想一步"的循环。

ReAct工作流程

→ Thought（我想干什么？需要什么信息？）
→ Action（调用工具：搜索、读文件、执行命令）
→ Observation（工具返回了什么？）
→ Thought（基于新信息，下一步做什么？）
→ Action（继续调用工具...）
→ ...重复直到任务完成
→ Final Answer（汇总输出）

一个实例：Agent帮用户查天气并推荐穿衣

Thought: 用户问"明天适合穿什么"，我需要先知道明天的天气。
Action: web_search("北京 2026-07-05 天气预报")
Observation: 明天北京晴，18-32°C，微风

Thought: 晴天气温32°C，炎热。推荐轻薄透气衣物。
Final Answer: 明天北京晴，最高32°C。建议穿短袖T恤+薄长裤，带遮阳帽，防晒霜别忘了。

ReAct vs 其他模式

• vs 纯推理：纯推理可能瞎猜，ReAct会主动查资料
• vs 纯工具链：纯工具链死板执行，ReAct动态调整策略
• vs CoT：CoT只推理不动手，ReAct边推理边动手

Agent实战

• 工具描述要写清楚：每个工具干什么、输入输出格式是什么
• Observation要结构化：JSON格式方便下一轮Thought解析
• 设置最大循环次数：防止Agent陷入"想→做→想→做"死循环