为什么需要 ReAct？

一个让普通 Agent 崩溃的问题

想象一下使用者问了这样一个看起来简单的问题：

“帮我查一下北京今天的天气，如果下雨就提醒我带伞。如果晴天就推荐一个适合拍照的公园”

普通Chain的处理方式

// 预定义的固定流程
async function handleWearRequest {
// 第一步先：获取天气
const wear = await getWear
// 接下来：硬编码的条件分支
if {
return "下雨了记得带伞"
} else if {
// 然后：固定调用推荐公园
const park = await recommendPark
return `天气好，推荐去${park}`
}
}

这样处理有什么问题呢？话说回来，

• 只能处理预设好的分支。无法应对变化，
• 如果推荐公园 API 返回空结果，程序不知道怎么办。按理说，
• 使用者可能说“拍照公园”而不是“公园”。程序无法理解语义，

ReAct 的方法

ReAct 可以让 AI 像人类一样思考：

💭 Thought: 使用者需要根据天气做决策。我需要先获取天气信息，🔧 Action: get_wear
👁️ Observation: { city: "北京"。condition: "晴",temperature: ... }
💭 Thought: 天气晴朗，不需要带伞。使用者想要拍照公园，我需要推荐一个适合拍照的公园。🔧 Action: search_park
👁️ Observation:
💭 Thought: 我找到了3个适合拍照的公园。
可以推荐给使用者了，✅ Answer: 北京今天天气晴朗，温度22℃。说起来，推荐您去颐和园、圆明园或奥林匹克森林公园拍照，景色都很美！

主要差异

• ReAct 不是预设流程，而是AI自主决策。按理说，
• 可以计划。
• 能够理解使用者的深层意图。

ReAct 详解

主要思想

ReAct 的概念，是在 《ReAct: Synergizing Reasoning and Acting in Language Models》这篇论文首次被提出的。起主要思想是将大语言模型的推理能力与行动能力无缝结合,让模型能像人一样,通过 思考-行动-观察 的循环来解决复杂问题。

三要素详解

要素	含义	作用	示例

Thought

推理轨迹

规划、分析、决策

"使用者需要天气信息。我需要先查询"

Action

具体行动

工具调用、信息检索

get_wear">

Observation 观察结果反馈、新信息"天气晴朗,温度22℃"

graph TD
Start --> Input
Input --> Init
Init --> Thought
Thought --> Action
Action --> Observation
Observation --> Decision{信息足够?}
Decision -->|是| Answer
Decision -->|否| Loop{iterations |是| Thought
Loop -->|否| Answer
Answer --> End

mermaid

javascript

typescript

text

三要素循环关系

流程图

三种应用模式

至于模式1。标准推理

效果示例

流程图

使用场景

从模式二来看，多步骤协作

效果示例

流程图

使用场景

至于模式三，自我修正

效果示例

流程图

使用场景

对比其他技术

架构对比表格

动态 vs 预设

常用方法建议

高级技巧展示

未来以后主要

。

---