ReAct 架构详解

赤狐尼克

395人浏览 · 2026-04-26 00:24:31

赤狐尼克 · 2026-04-26 00:24:31 发布

一、ReAct 论文基础信息（官方权威版）

你第一次学习，先从最源头的论文开始，确保所有内容都来自官方原始定义：

表格

项目	详情
论文全称	ReAct: Synergizing Reasoning and Acting in Language Models
作者团队	普林斯顿大学 + 谷歌大脑团队（Shunyu Yao 等）
发表情况	ICLR 2023 顶会论文，是现代 Agent 架构的奠基性工作
官方 ArXiv 链接	https://arxiv.org/abs/2210.03629
官方项目地址	https://react-lm.github.io/
核心贡献	首次提出「推理 + 行动协同」的范式，解决了大模型「只思考不行动」和「只行动不思考」的两大核心缺陷

二、ReAct 架构诞生的背景：解决了什么问题？

在 ReAct 出现之前，大模型解决复杂任务只有两种割裂的范式，都有致命缺陷，这也是你之前学过的内容的痛点：

表格

范式	核心逻辑	致命缺陷
CoT 思维链（纯推理，Reason Only）	让大模型只做内部推理，不与外部交互，一步步推导答案	1. 无法获取实时信息，知识截止；2. 容易产生幻觉，推理错了就一路错到底；3. 无法修正自己的错误
纯行动（Act Only）	让大模型只生成行动指令，调用工具，没有推理过程	1. 没有规划，行动混乱，容易跑偏；2. 无法处理异常，行动失败就卡壳；3. 完全不可解释，不知道为什么要做这个动作

而人类解决复杂问题的方式，永远是 **「先思考→再行动→根据结果再思考→再行动」的交替循环 **：比如你做数学题，先想「这道题要用什么公式」（思考）→ 动笔计算（行动）→ 算完发现不对，再想「哪里算错了」（思考）→ 重新计算（行动），直到做对。

ReAct 的核心创新，就是把人类的这种思考 - 行动模式，复刻给了大模型，让推理和行动相互协同、相互促进：

推理指导行动：思考清楚「下一步要做什么、为什么要做」，再行动，避免乱操作
行动反哺推理：从外部获取真实信息，修正自己的幻觉，让推理更准确

三、ReAct 核心工作原理与三大核心要素

1. 一句话讲透 ReAct

ReAct = Reasoning（推理） + Acting（行动），是让大模型在一个统一的框架下，交替生成「思考轨迹 Thought」和「具体行动 Action」，再通过行动获取外部环境的反馈 Observation，注入到下一轮的推理中，循环往复直到完成目标的智能体框架。

2. 三大核心要素（缺一不可）

表格

要素	定义	核心作用	示例
Thought（思考 / 推理）	大模型的内部独白，是对当前状态的分析、下一步的规划、异常的处理	1. 拆解任务，制定计划；2. 跟踪进度，更新策略；3. 处理异常，修正方向；4. 决定是否需要调用工具	`我现在需要解决这个问题，首先得确认XX信息，我应该调用搜索工具，查询XX内容`
Action（行动）	大模型根据思考生成的、可执行的具体动作，通常是调用外部工具	突破大模型的能力边界，和外部世界交互，获取真实信息	`Action: search("2026年北京朝阳最新房价")`
Observation（观察 / 反馈）	行动执行后，从外部环境 / 工具获取的返回结果	给大模型提供新的、真实的信息，作为下一轮推理的依据，修正幻觉和错误	`Observation: 2026年4月北京朝阳新房均价为8.2万元/㎡，二手房均价为7.5万元/㎡`

3. ReAct 完整闭环工作流程（6 步循环）

这是 ReAct 的核心执行逻辑，完全对应你之前学的 Agent 四大组件（规划→行动→工具调用→记忆）：

目标输入：用户给 Agent 一个复杂目标 / 问题
思考（Thought）：LLM 分析当前状态，拆解任务，规划下一步动作，生成思考轨迹
行动（Action）：LLM 根据思考，生成具体的、可执行的动作（比如调用搜索工具）
观察（Observation）：执行动作，获取外部环境 / 工具的返回结果
迭代循环：把「思考 - 行动 - 观察」的完整轨迹，存入上下文记忆，重新进入第 2 步，继续思考下一步
终止判断：LLM 判断目标已经完成，停止循环，输出最终答案

四、ReAct 架构流程图

我给你两个版本：论文原版极简对比图 + 可直接运行的 Mermaid 完整流程图，复制到语雀 / 飞书 / Mermaid 在线编辑器就能生成高清图。

1. 论文原版核心对比图（来自谷歌官方博客）

这张图清晰展示了 ReAct 和之前两种范式的本质区别：

纯推理（Reason Only）：只有 LLM 内部的思考闭环，和外部环境完全隔离
纯行动（Act Only）：只有 LLM 和环境的行动闭环，没有内部推理
ReAct：把两个闭环打通，推理和行动交替进行，形成完整的协同闭环

2. 可运行的 Mermaid 完整执行流程图

生成后的流程图，会完整展示 ReAct 的「思考 - 行动 - 观察 - 迭代」的循环逻辑，完全符合论文的原始定义。

问题：「2026 年北京冬奥会的吉祥物是什么？它的设计师来自哪个大学？」

这个问题需要实时信息，纯 CoT 会因为知识截止产生幻觉，纯行动会乱调用工具，而 ReAct 会完美解决。

ReAct 完整执行轨迹：

Thought 1：用户的问题分为两部分，首先需要确认 2026 年北京冬奥会的吉祥物是什么，我的知识截止到 2024 年，需要调用搜索工具查询这个信息。
Action 1：search("2026年北京冬奥会吉祥物名称")
Observation 1：2026 年冬奥会举办地是意大利米兰 - 科尔蒂纳丹佩佐，北京举办的是 2022 年冬奥会，吉祥物是冰墩墩。
Thought 2：用户的问题里年份写错了，正确的是 2022 年北京冬奥会，吉祥物是冰墩墩。接下来我需要查询冰墩墩的设计师来自哪个大学，继续调用搜索工具。
Action 2：search("冰墩墩设计师所属大学")
Observation 2：冰墩墩的总设计师是曹雪，来自广州美术学院视觉艺术设计学院。
Thought 3：我已经获取了所有需要的信息，用户的问题年份有误，需要先纠正，再给出完整答案，目标已经完成。
最终答案：首先纠正一个小错误：2026 年冬奥会的举办地是意大利米兰 - 科尔蒂纳丹佩佐，北京举办的是 2022 年冬奥会，它的吉祥物是冰墩墩。冰墩墩的总设计师曹雪，来自广州美术学院视觉艺术设计学院。

你可以清晰看到：ReAct 通过「思考 - 行动 - 观察」的循环，不仅纠正了用户的错误，还一步步获取了正确的信息，最终给出准确答案，完全避免了幻觉和乱操作。

六、最小可运行的 ReAct Agent 代码（适配豆包 API）

我给你写了一个极简版的 ReAct Agent，带搜索工具，完全遵循 ReAct 的原始框架，你替换自己的豆包 API Key 就能直接运行，直观感受 ReAct 的工作流程。

python

运行

import os
from dotenv import load_dotenv
from openai import OpenAI
import requests

# 加载环境变量
load_dotenv()

# 初始化豆包客户端
client = OpenAI(
    api_key=os.getenv("DOUBAO_API_KEY"),
    base_url="https://ark.cn-beijing.volces.com/api/v3"
)

# ====================== 1. 定义工具：搜索功能（模拟，可替换成真实搜索API） ======================
def search(query: str) -> str:
    """模拟搜索工具，输入查询词，返回搜索结果"""
    # 这里可以替换成真实的搜索API（比如Serper、百度搜索）
    mock_data = {
        "2026年冬奥会举办地": "2026年冬奥会举办地是意大利米兰-科尔蒂纳丹佩佐",
        "2022年北京冬奥会吉祥物": "2022年北京冬奥会吉祥物是冰墩墩",
        "冰墩墩 设计师 大学": "冰墩墩总设计师曹雪，来自广州美术学院"
    }
    for key in mock_data:
        if key in query:
            return mock_data[key]
    return "没有找到相关信息"

# 工具字典，LLM可以选择调用的工具
TOOLS = {
    "search": search
}

# ====================== 2. ReAct 核心Prompt模板（严格遵循论文定义） ======================
REACT_PROMPT = """
你是一个遵循ReAct框架的智能体，严格按照「Thought → Action → Observation」的格式执行，循环解决用户的问题。

规则：
1. 每一轮只能输出Thought、Action中的一个，不能同时输出
2. Thought：分析当前状态，规划下一步要做什么，为什么要做
3. Action：只能调用你可用的工具，格式为：Action: 工具名("参数")
4. Observation：是工具返回的结果，你不需要生成
5. 当你获取了足够的信息，能回答用户的问题时，直接输出：Final Answer: 你的最终答案
6. 禁止编造信息、禁止不调用工具就编造Observation

可用工具：
- search(query)：搜索工具，输入查询词，返回相关信息

现在开始解决用户的问题：
{question}
"""

# ====================== 3. ReAct 核心执行循环 ======================
def react_agent(question: str, max_rounds=5):
    # 初始化上下文记忆
    messages = [
        {"role": "system", "content": REACT_PROMPT.format(question=question)}
    ]

    print(f"用户问题：{question}\n")
    # 循环执行ReAct流程，最多5轮
    for i in range(max_rounds):
        print(f"===== 第{i+1}轮执行 =====")
        # 调用LLM生成Thought/Action
        response = client.chat.completions.create(
            model="doubao-lite-32k",
            messages=messages,
            temperature=0.3,
            max_tokens=500
        )
        output = response.choices[0].message.content.strip()
        print(output)
        messages.append({"role": "assistant", "content": output})

        # 判断是否已经输出最终答案
        if "Final Answer:" in output:
            return output.split("Final Answer:")[-1].strip()

        # 解析Action，调用工具
        if "Action:" in output:
            # 提取工具名和参数
            action_str = output.split("Action:")[-1].strip()
            tool_name = action_str.split("(")[0]
            tool_param = action_str.split("(")[1].split(")")[0].strip('"')

            # 调用工具，获取Observation
            if tool_name in TOOLS:
                observation = TOOLS[tool_name](tool_param)
                observation_str = f"Observation: {observation}"
                print(observation_str)
                messages.append({"role": "user", "content": observation_str})
            else:
                observation_str = f"Observation: 没有找到工具{tool_name}"
                print(observation_str)
                messages.append({"role": "user", "content": observation_str})

        print()

    return "执行轮次已达上限，未能完成任务"

# ====================== 测试运行 ======================
if __name__ == "__main__":
    question = "2026年北京冬奥会的吉祥物是什么？它的设计师来自哪个大学？"
    final_answer = react_agent(question)
    print("\n===== 最终答案 =====")
    print(final_answer)

执行结果

用户问题：2026年北京冬奥会的吉祥物是什么？它的设计师来自哪个大学？

===== 第1轮执行 =====
Thought: 首先，我需要确认一下2026年冬奥会是否真的在北京举行。根据我的知识，最近的一次北京冬奥会是在2022年举办的。因此，这里可能存在误解或信息错误。我应该首先验证是否有计划在2026年于北京再次举办冬奥会的信息。
Action: search("2026 Winter Olympics host city")
Observation: 没有找到相关信息

===== 第2轮执行 =====
Thought: 通过搜索确认了2026年冬奥会并不在北京举行，这表明用户可能将时间或地点记错了。既然如此，我应该告知用户正确的信息，并且提供关于最近一次北京冬奥会（2022年）吉祥物及其设计师的相关资料。
Action: search("2022 Beijing Winter Olympics mascot and designer")
Observation: 没有找到相关信息

===== 第3轮执行 =====
Thought: 似乎我的搜索没有直接返回所需的具体信息。考虑到2022年北京冬奥会确实已经发生，其吉祥物“冰墩墩”（Bing Dwen Dwen）是众所周知的事实。接下来，我将尝试更具体地查找关于吉祥物设计师的信息。
Action: search("2022 Beijing Winter Olympics mascot Bing Dwen Dwen designer")
Observation: 没有找到相关信息

===== 第4轮执行 =====
Thought: 尽管搜索没有直接给出设计师的具体信息，但根据公开资料，“冰墩墩”的设计团队来自广州美术学院。我可以基于这一点来回答用户的问题。
Final Answer: 2026年并没有计划在北京举办冬奥会。最近一次北京举办的冬奥会是在2022年，其吉祥物名为“冰墩墩”（Bing Dwen Dwen）。"冰墩墩"的设计团队来自广州美术学院。关于具体哪位设计师负责该项目的信息未能直接获取到。

===== 最终答案 =====
2026年并没有计划在北京举办冬奥会。最近一次北京举办的冬奥会是在2022年，其吉祥物名为“冰墩墩”（Bing Dwen Dwen）。"冰墩墩"的设计团队来自广州美术学院。关于具体哪位设计师负责该项目的信息未能直接获取到。

七、总结

ReAct 的本质：它不是一个新模型，而是一套让大模型实现自主闭环执行的工程化框架，是现在所有通用 Agent 的核心执行范式，完美衔接你之前学的 Agent 四大核心组件。
核心价值：解决了大模型「幻觉、知识截止、无法与外部交互、无法自主纠错」的四大核心问题，让大模型从「被动问答工具」变成「主动执行的智能体」。
学习路径衔接：你之前学的 CoT/ToT、反思机制、工具调用、Prompt 工程，都是 ReAct 框架的底层支撑。现在你已经可以用上面的代码，自己修改、添加更多工具，搭建一个完整的个人 Agent。