ReAct 的核心思想是什么

一句话速记

ReAct = Reasoning + Acting：在生成中交替输出「推理语言（思考）」与「对外动作（如调工具）」，把环境返回的观察写回提示，再推理下一步；用外反馈把单纯 CoT 和真实环境闭环起来。

论文常用引用：ReAct: Synergizing Reasoning and Acting in Language Models（Yao et al., 2022）。

在干什么

• Reasoning 轨迹：以自然语言写出中间判断（Thought: ...），可视为可解释的链式思考，但不是终点。
• Action：在定义好的动作空间里选工具名 + 参数（如 search("query")、finish(...)），形式依实现。
• Observation：环境或工具真实返回，进入下一轮 prompt（不是模型编造的续写）。
• 多轮交替直到 终停动作 或步数上限。

与纯 CoT 的区别：纯 CoT 的「下一步信息」在同一段自回归里虚构延续；ReAct 的关键信息在环境真实 Observation 里，减少幻觉、可核查。

伪结构（示意，非某框架唯一格式）

Thought: 先确认用户要查的实体。
Action: search["某某 官方 API 文档"]
Observation: 返回摘要与链接…
Thought: 根据结果需要读具体方法。
Action: visit["https://..."]
Observation: 页面内容…
Thought: 信息足够，可作答。
Action: answer["……"]

典型追问准备

• 停条件：finish / answer、重复检测、步数/ token 截断。
• 坏观测：重试、换工具、把错误信写回让模型修正计划（与「规划-再执行」可组合）。

延伸追问

• Q：ReAct 和 self-ask 或分解式 CoT 区别？
  答：后两者多在同一段生成里展开；ReAct 强调动作离开模型、观测再回来，是开环+闭环交替。

• Q：为什么有时 Thought 和 Action 分两条消息？
  答：训练与解析方便（有的做监督微调专门预测 Action: 行）；推理上可合并，工程取舍。

• Q：和 Planning 先写计划再一步步走谁更稳？
  答：ReAct 更局部、灵活、适合探索型环境；先全计划在可分解且环境稳定时更省步数；见 Planning 类 Agent 有哪些模式。

我的记法

TODO

状态

• 已背速记
• 能讲通俗版
• 能答追问

参考资料

• Yao et al., 2022, ReAct: Synergizing Reasoning and Acting in Language Models