本文是专栏《从零看懂 AI Agent》第 3 篇。回到目录与导读。上一篇：Agent 的大脑与四肢。
ReAct 是什么
ReAct 是两个词的合体：Reasoning（推理）+ Acting（行动）。它描述的是一个特别简单、却特别有用的循环：
想（Thought） → 做（Action） → 看（Observation） → 再想 → 再做 → ……直到搞定。
你可以把它想成一个人解决问题的自然过程。比如你要查"北京今天要不要带伞"：
- 想：我需要知道北京今天的天气。
- 做：打开天气 App 查北京。
- 看：显示"多云转小雨"。
- 想：有雨，那应该带伞。
- 做：告诉你"带伞吧"。
ReAct 就是让大模型也这样一步步来，而不是憋着一口气直接给答案。
为什么不直接一步到位？
你可能会问：模型那么聪明，为什么不直接回答，非要绕这个圈？
因为模型自己不知道实时信息，也容易想当然。如果你直接问它"北京今天要不要带伞"，它没有实时天气，只能瞎猜。而 ReAct 强制它：先停下来想缺什么信息 → 去用工具查 → 拿到真实结果再下结论。
这带来两个好处：
- 接上了真实世界：通过"行动"这一步，模型能查到它本来不知道的东西。
- 推理更可靠：把"想"显式写出来，模型不容易跳步、乱猜，出错也更容易看出错在哪一步。
一次真实的 ReAct 过程长什么样
我们让 Agent 回答："帮我算一下，北京今天最高温比上海高几度？"
模型会一轮轮这样输出（Thought/Action/Observation 是它内部的循环，Observation 由外部工具填回）：
Thought: 我需要北京今天的最高温。先查北京。
Action: 查天气(city="北京")
Observation: 北京今天 32℃，多云。
Thought: 再查上海的最高温。
Action: 查天气(city="上海")
Observation: 上海今天 29℃，小雨。
Thought: 北京 32，上海 29，差 3 度。信息够了，可以回答。
Action: 给出最终答案
Answer: 北京今天最高温比上海高 3 度（32℃ vs 29℃）。
看到没？模型没有一次算完，而是：查一次 → 看结果 → 再查一次 → 看结果 → 最后综合。每一步的"想"都写得明明白白。这就是 ReAct 的全部精髓。
它和上一篇的循环是一回事
还记得第 2 篇里调度器那个圈吗？ReAct 就是给那个圈里的每一步起了名字：
| 调度器循环 | ReAct 里的叫法 |
|---|---|
| 模型判断下一步 | Thought（想） |
| 调用工具 | Action（做） |
| 工具返回结果写回历史 | Observation（看） |
| 输出最终结果 | Answer（答） |
所以 ReAct 不是什么高深的新东西，它就是给"边想边做"这个循环起了个名字，并且约定模型要把"想"这一步显式地写出来。
关键的一环：把"看到的"塞回去
ReAct 能转起来，靠的是每次都把 Observation（工具结果）重新拼回对话历史，再整个丢给模型。因为上一篇说过，模型是"失忆"的——你不把上一步的结果再喂给它，它下一轮就忘了自己查到过北京 32℃。
用伪代码看就是：
历史 = ["任务：北京比上海最高温高几度？"]
while True:
输出 = 模型.生成(历史) # 想 + 决定做什么
if 输出.是最终答案:
return 输出.answer # 答
结果 = 执行工具(输出.action) # 做
历史.append(输出) # 把"想+做"记下来
历史.append(结果) # 把"看到的"记下来 ← 关键！
# 回到循环开头，带着新信息再想一遍
那行"把看到的记下来"，就是整个 Agent 能持续推进的命脉。
ReAct 的局限，以及 2026 年的新趋势
ReAct 很经典，是简单工具型 Agent 的默认之选，但它也有毛病：
- 每一步都靠模型自由发挥，路线不可预测，偶尔会绕远路、甚至原地打转。
- 步数多了又慢又贵，因为每一轮都要调一次大模型。
所以到 2026 年，工程实践出现了一个明显趋势：在能预先确定流程的地方，用更"死板"但更可控的方式——比如预先定义好的状态图（把"第一步只能到第二步或第三步"这种转移写死），或者结构化的工具调用，而不是每一步都让模型自由推理。一句话概括这个趋势：
能确定的部分就写死，不确定的部分才交给模型临场决定。 把自由发挥的空间收窄到真正需要它的地方。
这其实呼应了第 1 篇的那句忠告——灵活是有代价的。ReAct 给了你最大的灵活，但生产系统往往需要在灵活和可控之间找平衡。
小结
- ReAct = 想（Thought）→ 做（Action）→ 看（Observation） 的循环，直到给出答案。
- 它的价值：让模型接上真实世界，并把推理过程显式化，从而更可靠。
- 命脉是把每一步的观察结果重新塞回历史，弥补模型的"失忆"。
- 它是简单 Agent 的默认之选，但生产环境常常需要更可控的编排——能写死的就写死。
下一篇，我们钻进 ReAct 里的"做（Action）"这一步：模型明明只会输出文字，它到底是怎么真的调用工具、动手做事的？