一文讲透 ReAct：推理与行动交替的智能体范式

一文讲透 ReAct：推理与行动交替的智能体范式

一、引言

钩子

你有没有过这样的经历：问GPT-4「2024年欧洲杯冠军是谁？」，它只会抱歉地说「我的知识截止到2023年10月，无法提供实时信息」；你让它算「华为Mate60 Pro发布时间比iPhone15早多少天？」，它要么给出错误的日期，要么告诉你「我无法准确计算，请手动查询」。但你用带插件的ChatGPT或者AutoGPT的时候，它却能自动打开搜索工具查两个产品的发布时间，再调用日期计算器算出差值，准确给出结果。你有没有好奇过，这种「会自己思考、自己用工具」的能力，底层到底是什么逻辑？

定义问题/阐述背景

大语言模型（LLM）的爆发式发展让我们看到了通用人工智能的可能性，但它天生存在三个无法回避的短板：第一是幻觉问题，经常编造不存在的事实和数据；第二是知识 cutoff，训练数据截止之后的信息完全不知道；第三是无法与环境交互，不能调用工具、操作系统、感知现实世界。过去几年研究者们提出了很多方案来补这些短板：思维链（CoT）提升了模型的推理能力，但还是依赖内部知识，错了也没法修正；Toolformer让模型学会调用工具，但缺少显式的推理过程，很容易做出无效的工具调用。

而2022年提出的ReAct（Reasoning + Action）范式，第一次把「推理思考」和「行动执行」两个能力有机结合起来，让LLM像人一样：先思考要做什么，再动手执行，拿到结果后再调整思考方向，循环往复直到完成任务。现在我们熟悉的ChatGPT插件、AutoGPT、Claude 3工具调用、多模态具身智能体，底层核心逻辑都是ReAct。可以说，ReAct是当前大模型从「生成式工具」走向「自主智能体」的核心范式，是所有想做AI Agent开发的开发者必须吃透的技术。

亮明观点/文章目标

读完这篇文章，你将：

1. 彻底搞懂ReAct的核心原理、组成结构、与其他范式的差异；
2. 从零动手实现一个支持搜索、计算、网页抓取的ReAct智能体，能独立解决需要多步骤工具调用的复杂问题；
3. 掌握ReAct的常见坑、优化方案、最佳实践，能把ReAct落地到自己的业务场景中；
4. 了解ReAct的行业发展趋势和未来演进方向。

本文会从原理到实战，从入门到进阶，把ReAct的所有核心知识点讲透，哪怕你只有基础的Python能力和LLM常识，也能轻松跟上。

二、基础知识/背景铺垫

核心概念定义

在正式讲解ReAct之前，我们先明确几个必须掌握的基础概念：

1. 大模型涌现能力：当LLM参数规模超过一定阈值（一般认为是10B以上），会突然拥有很多小模型没有的能力，比如复杂推理、工具调用、指令遵循，ReAct正是基于这些涌现能力才能实现。
2. 思维链（Chain of Thought, CoT）：2020年提出的技术，通过在提示词中引导模型生成中间推理步骤，而不是直接输出答案，大幅提升了模型在数学题、逻辑题等复杂任务上的准确率。但CoT的所有推理都基于模型的内部知识，一旦知识错误或者缺失，推理结果就会出错。
3. 工具调用：让LLM按照固定格式输出要调用的工具名称和参数，由外部系统执行工具后把结果返回给LLM，从而突破LLM的能力边界。比如调用搜索工具获取实时信息，调用计算器解决数学问题，调用API操作业务系统。
4. AI智能体（Agent）：指能自主感知环境、做出决策、执行行动的智能系统，基于LLM的智能体一般包含四个核心模块：规划（思考）、记忆、行动、工具，ReAct就是当前最主流的智能体规划范式。

相关范式对比

为了更清晰地看到ReAct的优势，我们把它和其他主流的LLM范式做一个对比：

ReAct核心实体关系

ReAct系统的核心实体和交互关系可以用下面的ER图表示：

从图中可以看到，ReAct的核心是由LLM驱动的循环结构：推理模块生成思考，决定要做什么行动；行动模块调用工具和环境交互；观测模块把工具返回的结果整理后送回给推理模块，开启下一轮循环，直到满足停止条件，输出最终结果。

行业发展时间线

ReAct的发展不是一蹴而就的，是过去几年LLM技术逐步演进的结果，我们整理了关键的时间节点：