在大语言模型的发展过程中，早期研究更多关注模型如何“推理”，例如通过 Chain-of-Thought 让模型逐步展开思考；但对于复杂任务而言，仅靠内部推理往往还不够，模型还需要与外部环境交互、获取信息并据此调整决策。ReAct 正是在这一背景下提出的一种关键方法。它的核心思想是将 Reasoning 与 Acting 结合起来，使语言模型按照 Thought → Action → Observation 的方式循环执行：先进行中间推理，再采取动作与环境交互，并根据返回结果继续更新后续判断。也正因为同时具备“思考”和“行动”两种能力，ReAct 被广泛视为现代 LLM Agent 方法的重要起点之一。

从例子来看：

• 上半部分：知识问答任务 HotpotQA
• 下半部分：交互决策任务 ALFWorld

• Standard：标准提示，直接回答
• CoT / Reason Only：只推理，不行动
• Act-Only：只行动，不显式推理
• ReAct：推理和行动结合

图 1 通过 HotpotQA 和 ALFWorld 两个案例，对比了 Standard、CoT、Act-only 与 ReAct 四种范式的差异。

Standard 缺乏中间过程，只能直接输出答案；

CoT 虽然具备逐步推理能力，但推理完全依赖模型内部知识，容易因事实幻觉导致整条链路失效；

Act-only 虽然能够调用搜索或执行环境动作，但缺少任务分解、状态跟踪和结果综合能力，往往出现盲目检索或重复操作。

相比之下，ReAct 将 Thought、Action 与 Observation 交替组织起来，使推理能够指导行动，行动又能通过环境反馈修正推理，从而形成一个闭环的 agent 式求解过程。

在第 2 节中(2 REACT: SYNERGIZING REASONING + ACTING)，文章将任务求解抽象为一个 agent 与环境持续交互的过程，并指出仅靠直接动作预测，往往难以应对需要复杂上下文理解的任务。为此，ReAct 将 agent 的动作空间从传统的外部动作扩展为“外部动作 + 语言推理”，使模型不仅能够执行搜索、点击、移动等操作，还能够在轨迹中插入显式的 Thought。

其中，

Thought 的作用并不是直接改变环境，而是作为一种中间推理过程，帮助模型分解任务目标、提炼当前 observation 中的关键信息、跟踪求解进度，并在出现异常或检索失败时及时修正后续策略；

Action 则是真正作用于外部环境的操作，用于搜索信息、执行命令或推动任务状态变化；

Observation 是环境在执行 action 后返回的反馈信息，它为模型提供新的外部证据，并成为下一轮 thought 和 action 的依据。

基于这一设计，模型可以按照 Thought → Action → Observation 的闭环方式持续迭代，在推理与行动之间形成协同。这也使 ReAct 成为一种兼具通用性、可解释性与交互能力的 LLM Agent 原型范式。

在第 3 节（3 KNOWLEDGE-INTENSIVE REASONING TASKS）中，文章将 ReAct 首先应用到知识密集型推理任务上，重点考察其在多跳问答（HotpotQA）和事实验证（FEVER）中的表现。与只依赖参数内部知识的传统推理不同，这一节为模型提供了一个可交互的 Wikipedia API，使其能够通过 search、lookup 和 finish 等动作主动检索外部证据，再结合 thought 对检索结果进行提炼、整合与后续规划。实验结果表明，ReAct 相比 Act-only 更能有效综合检索信息，相比 CoT 又能显著降低事实幻觉，使推理过程更 grounded、更可信。不过，作者也指出，ReAct 的结构化轨迹会在一定程度上限制推理灵活性，并且其性能高度依赖检索是否命中有效信息。因此，在这一节中最优的方案并非单独使用 ReAct，而是将其与 CoT-SC 结合，以共同利用模型内部知识与外部知识检索能力。

第 4 节 Decision Making Tasks 主要考察 ReAct 在交互式决策任务中的效果，文章选择了 ALFWorld 和 WebShop 两类环境进行验证。与第 3 节侧重知识检索不同，这里的重点在于：当任务需要多步动作执行、子目标切换和持续状态跟踪时，显式的 thought 能否帮助模型更好地做决策。为此，作者在 ALFWorld 中采用 sparse thoughts，让模型只在关键步骤进行推理，用于分解任务、跟踪进度和决定下一步行动；在 WebShop 中，thought 则主要用于理解用户需求约束、筛选商品属性并决定何时购买。

实验结果表明，ReAct 在两类任务上都明显优于只做动作的 Act-only 以及传统训练型基线。在 ALFWorld 中，Act 的总体成功率为 45%，而 ReAct 的平均成功率达到 57%，最佳结果达到 71%，显著高于模仿学习基线 BUTLER 的 37%；在 WebShop 中，Act 的 Score / SR 为 62.3 / 30.1，而 ReAct 提升到 66.6 / 40.0，同样超过了 IL 和 IL+RL 等方法。与此同时，ReAct-IM 的结果也说明，真正有效的并不是简单复述环境状态，而是能够承担任务分解、阶段切换和策略调整功能的高层 reasoning。整体来看，第 4 节说明了 ReAct 在决策任务中的核心价值：它通过稀疏但关键的 thought，将长程交互过程组织成更清晰的子目标链条，从而显著提升了 agent 的规划能力与最终决策质量。

总的来看，ReAct 是一种将 推理（Reasoning） 与 行动（Acting） 结合起来的语言模型工作范式，其核心形式是让模型按照 Thought → Action → Observation 的闭环链路持续迭代。它的重要性在于，相比只依赖内部知识进行推理的 CoT，ReAct 能够通过与外部环境交互获取信息、减少幻觉，并在决策任务中更好地完成子目标分解、状态跟踪和策略调整。具体使用上，ReAct 通常通过 few-shot prompting 的方式实现：在 prompt 中提供包含 Thought、Action、Observation 的示例轨迹，让模型学会在任务执行过程中交替进行推理、动作选择与环境反馈整合，从而逐步完成知识问答或交互式决策任务。

最后也可以从方法演化的角度理解 ReAct 的位置。若将 CoT、ReAct 与现代 Agent 放在同一条技术脉络中比较，可以发现三者的根本差异在于：CoT 解决的是“模型如何更好地想”，现代 Agent 解决的是“模型如何真正完成复杂任务”，而 ReAct 则处在二者之间，解决的是“模型如何把思考与行动连接起来”。 CoT 虽然具备显式推理能力，但基本停留在模型内部知识的线性展开，缺少与外部环境交互的能力；现代 Agent 则在此基础上进一步加入规划、工具调用、记忆管理与多步执行，形成更完整的任务代理系统。相比之下，ReAct 的关键创新在于首次将 Thought、Action、Observation 组织成闭环，让模型既能通过 thought 进行中间推理，又能通过 action 与环境交互，并利用 observation 持续修正后续决策。

也正因为如此，ReAct 常被视为现代 LLM Agent 的一个重要起点。它并不像今天的 Agent 系统那样已经具备完整的模块化架构，但它率先证明了一点：语言模型不应只被看作“生成答案的推理器”，也可以作为一个在环境中持续思考、行动和更新状态的任务执行体。从这个意义上说，ReAct 的价值不仅在于提出了一种新的 prompting 范式，更在于它为后续 Agent 方法提供了一个清晰的基本原型，即通过显式推理增强行动能力，再通过外部反馈约束推理过程，从而推动大模型从“只会回答问题”走向“能够完成任务”。

论文链接：ReAct: Synergizing Reasoning and Acting in Language Models | OpenReview