ReAct 是 Agent 里一个很经典的思路。
它的名字来自两个单词：
Reasoning + Acting
也就是“思考”和“行动”。
如果只用一句话解释 ReAct：
让大模型一边做事，一边根据结果决定下一步做什么。
这和普通的大模型问答其实有很大的区别。
普通大模型是怎么工作的
平时我们问 ChatGPT 一个问题，大概是这样的：
用户提问
↓
模型思考
↓
生成答案模型只需要回答问题就行。
但 Agent 经常要处理一些模型自己并不知道答案的事情。
比如：
帮我查一下今天北京的天气，再告诉我该穿什么。
模型本身不知道今天的实时天气，所以它得先调用天气工具。
用户提问
↓
模型调用天气工具
↓
获得天气结果
↓
模型生成答案这已经有一点 Agent 的感觉了。
但 ReAct 真正重要的地方，是任务不一定一次调用工具就能完成。
ReAct 是怎么工作的
比如你让 Agent：
帮我找一家今晚还能预约的日料店。
它可能先搜索餐厅。
搜索之后发现十几家。
这时候它又要继续判断：
哪些评分比较高？
哪些距离比较近？
哪些今晚营业？
哪些还有位置？
整个过程可能变成：
搜索餐厅
↓
看看搜索结果
↓
筛选几家
↓
查询营业时间
↓
看看结果
↓
查询是否可以预约
↓
看看结果
↓
给用户答案这就是 ReAct。
它不是一开始就把所有步骤完全计划好。
而是每做完一步，先看看结果，再决定下一步。
可以简单理解成：
思考
↓
行动
↓
看结果
↓
再思考
↓
再行动一直循环，直到任务完成。
Thought、Action 和 Observation
很多介绍 ReAct 的文章都会提到三个词：
Thought、Action、Observation。
其实不用把它们想得太复杂。
Thought 就是：
我下一步应该做什么？
Action 就是：
去做这件事。
Observation 就是：
做完以后得到了什么结果？
比如：
Thought：
我需要先查天气。
Action：
调用天气工具。
Observation：
今天 15°C，有雨。模型看到这个结果之后继续判断：
Thought：
温度比较低，而且下雨，需要建议用户穿外套并带伞。然后输出最终答案。
所以 ReAct 最重要的其实不是这三个英文单词。
而是：
工具的结果会重新交给模型，模型根据这个结果继续做决定。
ReAct 和 Tool Calling 有什么区别
这个地方很容易混。
Tool Calling 解决的是：
模型怎么调用工具。
比如模型决定调用：
get_weather("北京")程序收到以后执行天气查询。
而 ReAct 解决的是：
调用完工具以后怎么办。
例如天气工具返回结果以后，模型可能直接回答。
也可能觉得信息还不够，需要继续调用其他工具。
所以可以把它们理解成：
Tool Calling 是“使用工具的能力”。
ReAct 是“不断判断下一步该做什么的过程”。
很多 Agent 实际上就是把两者结合起来。
ReAct 本质上是一个循环
如果只看最核心的逻辑，ReAct 其实很简单：
while True:
response = llm()
if response 要调用工具:
result = 调用工具()
把 result 交给模型
else:
return 最终答案模型决定调用工具。
程序执行工具。
工具结果重新放回模型。
模型再决定下一步。
一直循环，直到模型不再调用工具，而是直接输出答案。
这也是很多 Agent 最核心的一层结构。
为什么 ReAct 很重要
因为现实里的很多任务都没办法提前确定完整流程。
比如让 Agent 帮你修一个 Bug。
它可能先查看代码。
然后运行程序。
发现一个报错。
根据报错修改代码。
再运行一次。
又发现另一个问题。
继续修改。
整个过程可能是：
看代码
↓
修改
↓
运行
↓
发现报错
↓
继续修改
↓
再次运行它没办法一开始就知道后面会出现什么错误。
只能根据每一次执行结果继续判断。
这其实就是 ReAct。
所以像 Coding Agent、Browser Agent、Research Agent，本质上都会大量使用这种思想。
ReAct 也有问题
ReAct 最大的问题之一就是：
它可能一直循环。
比如 Agent 搜索一个东西没找到。
换个关键词。
还是没找到。
再换一个。
然后又回到原来的关键词。
如果程序完全不限制它，就可能一直执行下去。
所以真正开发 Agent 时，一般都会限制最大执行次数。
比如：
最多执行 10 步。超过以后就停止。
除此之外，还要考虑工具报错、参数错误、超时这些情况。
所以真正做 Agent，难点往往不是让模型“会调用工具”。
而是让这个循环稳定地运行。
最后
ReAct 不是什么特别神秘的算法。
它其实就是一个很简单的想法：
模型做一步，看一次结果，再决定下一步。
可以记成：
思考
↓
行动
↓
观察结果
↓
继续思考Tool Calling 让模型拥有使用工具的能力。
ReAct 则让模型能够反复使用工具，并根据每一次结果调整自己的行为。
当这个循环跑起来以后，大模型才开始真正有一点“Agent”的样子。