ReAct：推理与行动的交织

一句话定义

ReAct = Reason + Act：让模型在"思考（Thought）"与"行动（Action）"之间交替——先想清楚为什么要做这一步，行动后把观察（Observation）纳入再想下一步，是 2022 年提出、至今仍是 Agent 循环默认推理结构的模式。

为什么重要

它是 kp-006 那个循环的"灵魂填充"。在 ReAct 之前，两条路线各有致命伤：只推理（Chain-of-Thought）不与外界交互，错了没法纠；只行动不显式推理（Act-only），模型乱试一气。ReAct 用一个简单到不可思议的格式——Thought/Action/Observation 三行循环——把两者缝在一起，在 HotpotQA 等基准上同时提升准确率、可解释性与错误收敛速度。今天几乎所有 Agent 的系统提示里都活着 ReAct 的基因，哪怕形式已变成原生工具调用。

前置知识

kp-006（循环）、kp-004（提示工程）。

核心概念

原始 ReAct 轨迹（论文格式）

Question: 特斯拉创始人出生在哪个国家？
Thought 1: 我需要先查特斯拉创始人是谁。
Action 1: search[特斯拉 创始人]
Observation 1: 特斯拉由马斯克等人创立……马斯克出生于南非比勒陀利亚。
Thought 2: 题目问国家，观察说南非比勒陀利亚，比勒陀利亚在南非。
Action 2: finish[南非]

三个组成部分的分工：

Thought：显式暴露的推理——为什么选这个行动、期望得到什么。它同时服务三个目的：提高下一步质量（中间结果可条件依赖）、给人看可解释性、失败时给人调试线索（kp-025）
Action：结构化的行动指令（原论文是文本模板，今天 = 函数调用 kp-009）
Observation：环境返回，无条件进入下一轮 Thought 的条件——这就是"用事实纠偏推理"的机制

现代形态：从文本模板到原生调用

2022 年的 search[...] 靠正则解析；今天等效写法就是 kp-006 的消息流——模型在 tool_use 前后产出文本推理。区别只在协议层，"想→做→看→再想"的结构没变。推理模型时代（o 系列、extended thinking）把 Thought 藏进了内部推理通道，但它仍在做 ReAct：思考通道里的推理 + 工具调用 + 观察，只是 Thought 不再占用可见输出。

原理与机制

为什么"写出来 Thought"能提升效果？三个机制叠加：

条件的中间产物：kp-004 讲过，模型是续写器——写下的推理成为后续 token 的条件，等价于把计算摊到上下文里，降低了"一步跳到答案"的错误率
观察锚定：Observation 是外部事实，推理被定期"拉回"现实，幻觉被截断（纯 CoT 会在自己的推理里越滚越远）
结构化先验：Thought→Action 的固定次序约束了输出分布，减少"跳步"与"该查不查"

论文的关键消融结论：去掉 Thought（只 Act）准确率大跌；去掉 Observation（闭眼推理）错误无法纠正。两者交织才是完整结构。

直观类比

两种坏员工：一种是想太多派（CoT）——在工位上推演一切，从不打电话核实，错了也不知道；一种是蛮干派（Act-only）——接到任务立刻乱打十个电话，说不清为什么打。ReAct 是靠谱员工：先说"我打算先查 A，因为…"，查完看着结果说"哦，A 不对，那 B 的可能性更大"，每一步都有据可查——事后复盘（trace，kp-025）你还能看出他哪一步想错了。

实例与案例

用 ReAct 诊断一个失败任务（这就是 trace 阅读法）：

Thought 3: 用户要"最近的"政策，我应该搜索最新政策。
Action 3: web_search["跨境电商 税收政策 最新"]
Observation 3: [返回 2023 年旧政策文章若干，无日期标注]
Thought 4: 这些就是相关政策，我可以总结了。        ← ★ 错误在这里

问题定位：Observation 3 里没有"最新"的事实锚（文章无日期），Thought 4 却直接采信。修复方式不是骂模型，而是改工具：让搜索工具返回 publish_date 字段，并在描述里写"结果含发布日期，引用时必须核对时效"。ReAct 的价值就是把"哪一步想错"变成可见的。

常见误区

误区一："ReAct 已经过时了"。文本模板形式过时了；其结构（显式推理+行动+观察锚定）是所有现代 Agent 的默认骨架。
误区二：Thought 越长越好。冗长的自我絮叨消耗 token 且稀释重点；现代实践偏好简洁的定向思考（或交给推理模型的内部通道）。
误区三：把 ReAct 当万能格式。对于步骤完全确定的任务，plan-then-execute（kp-013）更高效；ReAct 的优势场景是"边做边发现"的探索型任务。

自测题

Thought 与 Observation 各自的机制作用是什么？
论文消融中去掉 Thought 会发生什么？
ReAct 相比 plan-then-execute 适合什么任务？

（参考答案：1. Thought 提供可条件的中间推理产物、提升可解释性；Observation 提供外部事实锚定、截断幻觉漂移；2. 准确率显著下降、行动选择变得盲目；3. 步骤不可预知、需根据中间发现调整路线的探索型任务。）

与其他知识点的关系

前置结构 → kp-006；先规划后执行的对偶 → kp-013
失败重试与自我批评 → kp-014；trace 阅读 → kp-025
历史定位 → kp-008