AI专业术语
ReAct
ReAct · 先想再做，做完再想
AgentLLM
REAC
- 定义
- ReAct是AI领域的专业术语。ReAct 是 Reasoning + Acting 的缩写，让 LLM 在解决问题时交替进行思考（Thought）和行动（Action），根据观察结果（Observation）调整下一步策略。
最后更新：2026-03-18
什么是ReAct？
ReAct 是 Reasoning + Acting 的缩写，让 LLM 在解决问题时交替进行思考（Thought）和行动（Action），根据观察结果（Observation）调整下一步策略。这是最经典的 Agent 设计模式。
- Thought → Action → Observation 的循环
- 最经典的 Agent 设计模式
- 比纯推理或纯行动都更有效
ReAct详解
ReAct 由 Princeton 和 Google 在 2022 年提出，核心思想是让 LLM 像人类一样「边想边做」。在每一步中，模型先输出推理过程（Thought），然后决定执行什么操作（Action），观察结果（Observation）后再进入下一轮推理。这种模式比纯 Chain of Thought（只推理不行动）和纯 Action（不推理直接做）都更有效。ReAct 已成为几乎所有 Agent 框架的基础范式。
ReAct的应用场景
正式定义
让大语言模型交替进行推理（Reasoning）和行动（Acting）的 Agent 设计范式
应用场景
- Agent 系统的基础决策循环
- 需要多步推理和工具调用的复杂任务
- 信息检索和问答系统
常见误区
- ReAct 不是一个框架，而是一种设计模式
- ReAct 的效果依赖于 LLM 的推理能力
- ReAct 循环可能陷入死循环，需要设置最大步数
实际案例
📌 ReAct 解决复杂问题
问 Agent「苹果公司 CEO 的母校在哪个州」，ReAct 过程：Thought（需要先查 CEO 是谁）→ Action（搜索苹果 CEO）→ Observation（Tim Cook）→ Thought（需要查 Tim Cook 的母校）→ Action（搜索）→ Observation（Auburn University, Alabama）→ 最终答案。
ReAct的参考来源
关于ReAct的常见问题
- ReAct 和 Chain of Thought 有什么区别
- CoT 只做推理，ReAct 在推理的同时还能调用外部工具执行操作，形成「思考-行动-观察」的循环。
- ReAct 适合什么场景
- 适合需要多步推理并与外部环境交互的任务，如搜索问答、数据查询、代码执行等。