简介:ReAct(Reasoning + Acting)的架构本质是一个由大语言模型驱动的「推理—行动—观察」闭环控制系统:模型先生成思考规划下一步动作,再调用外部工具与环境交互,把工具返回结果作为观察回填进上下文,如此循环直至得出答案。本文拆解它的组件构成、循环机制、Prompt 设计、代码实现与成本控制,如果你正在为 Agent 挑选承载推理循环的底座模型,可以先看看 [百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article),它能帮你横向对比不同大模型的能力与调用成本。
ReAct 不是一个新的模型,而是一种 提示与调度架构 。它把「推理」和「行动」这两件原本分离的事放进同一个循环里:
这也是 ReAct 与 React.js 前端框架毫无关系的地方——它出现在 2022 年的论文《ReAct: Synergizing Reasoning and Acting in Language Models》中,是 Agent 领域最基础、沿用至今的范式骨架。
一个可落地的 ReAct 系统通常由四层构成:
| 层级 | 职责 | 关键设计点 |
|---|---|---|
| 推理核心(LLM) | 生成 Thought、决定 Action、产出最终答案 | 模型的指令遵循与 JSON/函数调用能力决定上限 |
| 编排控制器(Agent Loop) | 维护循环、状态机、终止条件、异常兜底 | 最大步数、超时、重试、预算控制 |
| 工具层(Tools) | 搜索、计算器、数据库查询、代码执行、业务 API | 工具的 schema 描述、参数校验、幂等性 |
| 环境与记忆(Memory) | 保存完整轨迹、外部系统状态、向量记忆 | 上下文压缩、历史摘要、跨会话持久化 |
其中 编排控制器 是最容易被低估的一层。ReAct 的效果差异,往往不在 Prompt 写得漂不漂亮,而在控制器的终止判断和错误处理是否健壮。
单轮循环的数据流是固定的:
参考实现(伪代码):
def react_loop(task: str, tools: dict, max_steps: int = 8):trajectory = [f"任务: {task}"]for step in range(max_steps):# 1) 推理 + 决策:一次 LLM 调用raw = llm.chat(system=REACT_SYSTEM_PROMPT,user=build_context(task, tools, trajectory),tools=tool_schemas(tools)) # 推荐用 function calling 替代文本解析# 2) 终止判断if raw.finish_reason == "stop" and raw.final_answer:return raw.final_answer# 3) 行动:执行工具try:observation = tools[raw.tool_name]( **validate(raw.arguments))except Exception as e:# 关键:错误也要回填,让模型在下一轮自我修正observation = f"工具调用失败: {type(e).__name__}: {e}"# 4) 观察回填,进入下一轮trajectory.append(f"思考: {raw.thought}\n行动: {raw.tool_name}({raw.arguments})\n观察: {observation}")return "已达到最大迭代次数,请缩小任务范围"
Prompt 侧的结构化约束同样重要,早期 ReAct 用纯文本约定格式:
你是一个能使用工具的助手。可用工具:- search(query): 检索网页,返回摘要列表- calc(expr): 计算数学表达式请严格按以下格式输出,每轮只输出一个行动:思考: <你的推理与依据>行动: <工具名,或 Finish>行动输入: <JSON 字符串>当你已掌握足够信息时:思考: 我已收集到足够信息行动: Finish行动输入: {"answer": "<最终答案>"}
工程上更推荐用模型原生的 Function Calling / 结构化输出能力来替代文本解析,能显著减少「格式跑偏导致解析失败」这类 badcase。
ReAct 的 token 消耗不是线性的。设基础提示为 B,每轮新增轨迹平均 S,跑 n 步的累计输入 token 约为:
Total ≈ n × B + S × n(n+1)/2
后半部分呈 二次增长 ——轨迹越长,每轮重复搬运的历史越多。这带来三个必须处理的问题:
| 失败现象 | 根因 | 优化方向 |
|---|---|---|
| 死循环、反复调同一工具 | 缺少状态判断与去重 | 记录已执行动作指纹,重复即中断或换策略 |
| 幻觉工具名 / 参数错误 | 工具描述模糊 | 补全工具 docstring、参数枚举与示例,加参数校验 |
| 中途放弃、直接编答案 | 观察信息未被有效利用 | 强化「无依据不得作答」约束,回填失败原因 |
| 长任务后半段跑偏 | 上下文被历史淹没 | 滚动摘要 + 子任务分解(Plan-and-Execute) |
| 首轮方向就错 | 缺少全局规划 | 先规划步骤清单,再逐步执行 ReAct 循环 |
ReAct 的价值不在于复杂,而在于它用最小的架构代价,把语言模型的推理能力和外部系统的执行能力缝合在了一起。把循环、工具、上下文这三件事做扎实,就已经能覆盖大多数企业级 Agent 场景。