ReAct: Synergizing Reasoning and Acting in Language Models

为什么这篇论文重要

2022 年之前，让 LLM 调用工具是”先思考好答案再行动”的简单模式。 ReAct 论文提出：让 LLM 交替地思考（Reasoning）和行动（Acting）——

模型先 Thought，再 Action，再观察 Observation，再 Thought……

这个循环是后来所有 AI Agent 的基本骨架。LangChain 的 ReAct agent、AutoGen 的工作流、Devin 的执行循环、Cursor / Claude Code 的工具调用——全是这个范式。

一个例子

ReAct 论文里的经典例子（HotpotQA 任务）：

Question: Aside from the Apple Remote, what other devices can control the program Apple Remote was originally designed to interact with?

Thought 1: I need to search Apple Remote and find the program it was designed to interact with.
Action 1: Search[Apple Remote]
Observation 1: The Apple Remote is a remote control... designed to control the Front Row media center program...

Thought 2: Apple Remote was designed to interact with Front Row. I need to search Front Row next.
Action 2: Search[Front Row]
Observation 2: Front Row is a discontinued media center software... can be controlled by Apple Remote, keyboard function keys.

Thought 3: So besides Apple Remote, Front Row can be controlled by keyboard function keys.
Action 3: Finish[keyboard function keys]

LLM 在每一步都显式写出思考，然后执行动作，再观察结果—— 这种交错让模型能：

• 修正自己的错误推理
• 动态调整搜索策略
• 利用工具补充未知信息

ReAct vs 之前的方法

方法	思考	行动
Chain of Thought (CoT)	✓ 多步推理	✗ 只能用模型内部知识
Act only	✗ 不显式思考	✓ 调用工具
ReAct	✓	✓

CoT 没法用工具——遇到模型不知道的知识就编（幻觉）。 纯 Action 没有思考——容易陷入低效搜索。 ReAct = 两者结合。

实验结果

论文测试了 4 个任务：

任务	ReAct 改进幅度
HotpotQA（多跳问答）	+6 个百分点 vs CoT
FEVER（事实验证）	+3 个百分点
ALFWorld（文字游戏）	+35 个百分点
WebShop（在线购物模拟）	+20 个百分点

特别在需要外部知识 + 多步规划的任务上，ReAct 大幅领先。

关键洞察

ReAct 之所以 work，源于几个细节：

1. 思考是”自由文本”，不是结构化

模型可以用自然语言自由表达它的推理—— 不像有的工作要求模型输出”plan: [step1, step2, …]”这种结构化。

这降低了 LLM 的认知负担，让它能在思考里回溯、修改、重新规划。

2. 思考和行动交错

不是”先写完整 plan 再执行”，是”想一步、做一步、看一步、再想一步”。

这让模型能用新观察到的信息调整策略——而不是按死板的初始 plan 执行。

3. Few-shot 示例就够

不需要 fine-tuning。Few-shot prompt + 强 base model（GPT-3 级别）就能 work—— 这意味着任何能 prompt 的 LLM 都能成为 ReAct agent。

这篇论文的真正影响

ReAct 在学术上的引用量不是最高的—— 但它定义的范式被复制到所有 AI Agent 工具：

产品 / 框架	用 ReAct 范式
LangChain	”ReAct Agent” 是默认 agent 类型
AutoGen（Microsoft）	多 agent 协作底层
CrewAI	同上
Devin / Factory / Cognition	编程 agent 循环
Cursor / Claude Code	编程过程的 思考 → 调用工具 → 观察
OpenAI Operator	浏览器操作 agent

如果你在 2026 年用 AI agent 干过任何活—— 你已经在用 ReAct 的设计。

一个最小 ReAct 实现

def react_loop(question, tools, max_steps=10):
    history = [f"Question: {question}"]

    for step in range(max_steps):
        # LLM 决定下一步是 Thought / Action / Finish
        response = llm("\n".join(history) + "\nThought:")

        if response.startswith("Finish:"):
            return response[len("Finish:"):].strip()

        # 解析 Action
        action = parse_action(response)
        if action:
            tool_name, args = action
            obs = tools[tool_name](*args)
            history.append(f"Thought: {response}")
            history.append(f"Action: {tool_name}[{args}]")
            history.append(f"Observation: {obs}")
        else:
            # 纯思考
            history.append(f"Thought: {response}")

    return "Max steps exceeded"

50 行不到，但已经是一个工作的 Agent。

ReAct 的局限

后续工作发现 ReAct 有些问题：

1. 重复 / 循环

模型有时会反复执行同一动作——需要外加 loop detection。

2. 上下文爆炸

每步都把 Thought + Action + Observation 加到历史里—— 10 步后 context 几千 token。

后续工作（如 LangGraph）支持更细的状态管理。

3. 错误恢复

模型遇到 tool error 时容易”卡住”—— Reflexion（2023）等工作加了显式的”自我反思”步骤来解决。

4. 多智能体

ReAct 是单 agent。多 agent 协作需要更复杂的协调—— AutoGen 等工作做了扩展。

演化：从 ReAct 到现代 Agent

2022 ReAct
       ↓
2023 Reflexion (自我反思)
       ↓
2023 Tree of Thoughts (探索多条路径)
       ↓
2023 LATS (Language Agent Tree Search)
       ↓
2024 多 agent 协作（AutoGen / CrewAI）
       ↓
2024-2026 复杂 agent 框架（LangGraph / Computer Use）

每一代都建立在前一代之上——但ReAct 的”思考-行动循环”是不变的基底。

推荐配套阅读

• HelloAI: L4-04 Agent 构建 + L4-09 Tool Use 实战
• ReAct 原论文（arXiv:2210.03629）
• Reflexion 论文（2023）—— 自我反思扩展
• Tree of Thoughts 论文（2023）—— 多路径搜索