ReAct：推理和行动写在同一条轨迹里

摘要

把思维链与具体行动交错起来，让语言模型能够规划、调用工具，并根据反馈更新信念。

Interleaves chain-of-thought reasoning with task-specific actions so language models can plan, call tools, and update beliefs from feedback.

提要

ReAct 把纯推理和纯行动拧成一条可追踪的 Thought–Action–Observation 轨迹。语言模型因此能在同一条轨迹里规划、调用工具，并根据观察更新信念。

01背景与动机

纯推理侧重内部推演与解释，纯行动侧重与环境交互和工具调用，两条线在早期工作中常被分开处理。ReAct 的动机是把它们写进同一条可追踪轨迹，使模型在任务中既能想清下一步，又能真正去查询与执行。

这表明语言模型可以作为智能体的控制器：边想边查，边做边改。把环境观察写回轨迹后，模型能依据新证据修正中间结论与后续计划，而不是仅依赖参数记忆、在无反馈条件下一次性给出答案。

02核心方法

提示格式固定为 Thought、Action、Observation 的循环：模型先写出当前推理与意图，再发出一个具体行动，环境返回观察后进入下一轮，直至给出最终答复。整条轨迹显式交错内部思考与外部交互。

行动空间包含搜索、查询等任务相关工具，以及结束并作答之类的控制动作。格式本身不绑定某一模型，重点是让推理步骤、工具调用与反馈按时间顺序对齐，便于阅读、干预与对照失败案例。

03结果与证据

在需要检索与多步决策的设定中，交错推理与行动有助于用外部观察约束后续思考，减轻仅靠参数记忆时的空洞断言，并提高中间过程的可解释性。与只推理或只行动的基线相比，同一轨迹上的反馈能及时改写计划。

证据形态主要是完整轨迹与任务成败对照，而非单一分数叙事。轨迹本身成为分析依据：可以看到模型为何查询、如何吸收观察、以及在哪一步偏离目标，从而支持提示改进与错误归类。

04影响与意义

ReAct 成为智能体框架、工具调用与相关评测中最小可运行的抽象之一。许多后续系统沿用“思考—行动—观察”循环作为编排骨架，把语言模型接到搜索、计算器或外部 API。

这一抽象降低了“模型如何边想边用工具”的概念成本，也使不同工作能在相近的轨迹格式上比较行为与失误模式。行动被明确为获取新证据的手段，而不只是最终答案的装饰步骤。

05局限

纯提示驱动的智能体仍然脆弱且难复现：同一套格式在不同模型、解码设置或工具返回噪声下，行为可能明显漂移。轨迹变长后，目标遗忘、重复行动与无效查询更容易出现。

长程任务因此往往还需要记忆与摘要、中间校验，以及比手写提示更强的策略学习或训练信号。仅扩大模型规模并不足以稳定扩展能力边界，工具设计与轨迹管理同样关键。

06要点

1. 01行动是获取新证据并改写后续推理的方式，而不只是输出答案的最后一步。
2. 02把思考暴露在轨迹里，失败才更容易被定位、对照和调试。
3. 03精心设计的工具集往往比单纯放大模型更能拓展可完成任务的边界。