《ReAct》导读：边推理边行动

它解决了什么

思维链让模型把推理写出来，但推理全在模型内部完成：算错了、记错了，没有任何外部信息能纠正它。

ReAct 在推理和行动之间交替：想一步 → 做一个动作（搜索、查库）→ 看结果 → 再想下一步。

三个关键思想

1. Thought / Action / Observation 循环。 模型输出「想法」和「动作」，环境返回「观察」，循环推进。

2. 外部结果能纠正内部推理。 检索到的段落可以推翻模型记错的事实，这是纯思维链做不到的。

3. 可解释的轨迹。 每一步想了什么、做了什么、看到什么，全部留在文本里，便于调试与审计。

读前需要知道

• 什么是工具调用：动作在工程上怎么实现。
• 什么是 Agent：把这种循环用于多步任务。
• 什么是思维链：它的前身与对照。

重点章节与可跳过部分

• 第 2 节（方法）：循环的提示格式，是全篇最值得抄的部分。
• 第 3 节（实验）：HotpotQA 与 FEVER 上的对比，重点看「有行动」比「只有推理」强在哪。
• 第 4 节（分析）：错误案例，看模型怎么在错误观察上继续错下去。
• 微调实验可以按需读。

影响

今天 agent 框架的基本循环——模型决定动作、执行、回填结果——就是这篇的结构。它也暴露了至今没解决的问题：一次错误的观察会把后续推理全部带偏，而模型往往不会主动质疑工具返回的结果。