ReAct 模式

在知识图谱中的位置：模块三 · 03_高级模式 · 第 1 节 难度：⭐⭐⭐ | 前置知识：Agent 基础

---

1. 概述

**ReAct（Reasoning + Acting）**是 AI Agent 最经典的工作流模式，由 Yao et al. (2022) 在论文《ReAct: Synergizing Reasoning and Acting in Language Models》中首次提出。

核心思想：让 LLM 交替进行「推理」和「行动」。

---

2. 核心概念

ReAct 输出包含三个交替元素：

元素	说明	示例
Thought	LLM 的推理过程	"我需要先查天气"
Action	调用的工具	"search: 北京天气"
Observation	工具返回的结果	"北京: 25°C 晴"

Thought: 我需要查询北京的天气
Action: search(query="北京天气")
Observation: 北京: 25°C 晴
Thought: 天气信息已获取
Action: finish(answer="北京明天晴，25°C")

ReAct vs 传统 Chain of Thought

传统 CoT:   推理 → 推理 → 推理 → 回答（纯文字）
ReAct:      推理 → 行动 → 观察 → 推理 → 行动 → 回答（交替）

---

3. 参考资料

• ReAct: Synergizing Reasoning and Acting
• LangChain ReAct 文档
• ReAct 架构深度解析
• ReAct、Plan-and-Execute、Reflection、Multi-Agent 工程范式