ReAct模式（推理+行动）

ReAct（Reasoning + Acting，推理+行动）是一种智能体设计范式：让大模型交替进行“思考”和“行动”——针对任务先用文字推理，再执行一个动作（调用工具、搜索、读写文件），观察结果后再继续推理，循环往复直到完成任务。该范式由 2022 年发表的研究论文提出，此后成为构建 AI 智能体的主流框架。

核心循环 1. 思考（Thought）：分析当前状况，决定下一步怎么做 2. 行动（Action）：执行一个具体动作，如调用搜索、运行代码 3. 观察（Observation）：查看动作结果 4. 重复：基于新信息继续思考，直到得出最终答案

为什么有效

• 把“推理”和“事实获取”结合：思考不跑偏，行动有依据
• 每一步都可记录、可审计：中间过程透明，方便排查
• 实现简单：语言模型天然擅长文字推理，动作可通过工具接口接入

与思维链的区别

• 思维链（CoT）：只在“脑子里”一步步推理，不接触外部信息
• ReAct：推理与外部动作交替进行，能获得新信息，适合需要查询、操作的真实任务

应用场景 智能体问答、知识库检索、网页信息收集、数据分析、软件开发等，几乎所有主流 Agent 框架（如 LangGraph、AutoGPT）的设计思路都能看到 ReAct 的影子。