ReAct：推理与行动交织的提示模式

一句话定义

ReAct 模式让模型在"思考（Thought）→ 行动（Action）→ 观察（Observation）"的循环中交替进行推理与工具调用，用外部世界的真实反馈替代纯脑补。

为什么重要

纯 CoT 的推理材料只有模型参数里的先验，遇到"需要事实"的问题就会一本正经地编。ReAct 把思维链扩展成"带手的思维链"：每一步行动的结果作为新观察进入上下文，后续推理建立在事实上。它是几乎所有工具型 Agent 的提示模式原型（框架层的编排属于跨站主题，本库只负责提示模式本身），也是理解 工具结果的上下文呈现：喂回什么、怎么喂 工具结果呈现和 工具调用提示：函数描述、参数设计与选择引导 工具调用提示的语境。

前置知识

• 思维链（CoT）：让推理显式化：ReAct 的 Thought 步就是 CoT；
• 指令层级：系统提示、用户消息与优先级：工具结果作为不可信文本进入上下文的层级问题。

直观类比

闭卷考试（纯 CoT）允许"查资料"后变成开卷考试（ReAct）：考生每答一步都先翻书核对，翻到的内容（Observation）写进草稿纸，后续作答以草稿为准——分数自然更稳，代价是考试时间变长。

图示

Thought: 需要先查该订单的状态，再判断能否退款
Action:  query_order(order_id="A10293")
Observation: 状态=已签收3天, 金额=89元, 支持7天无理由
Thought: 签收在7天内 → 符合退款条件，调用退款
Action:  create_refund(order_id="A10293", reason="7天无理由")
Observation: 退款单 R5521 已创建
Thought: 任务完成
Finish: 已为您提交退款申请（单号 R5521），预计 1-3 个工作日到账。

核心概念

• Thought（思考）：模型陈述当前目标与下一步计划——可审计的决策点。
• Action（行动）：结构化的工具调用（工具名 + 参数），由外部程序执行。
• Observation（观察）：工具返回结果，回灌进上下文成为下一轮条件。
• 停止条件（Finish）：模型显式宣告完成并给出最终答案，防止无限循环。
• 循环上限：程序侧强制的最大轮数——提示约定 + 硬限制双保险。

原理与机制

ReAct 有效的原因有三：行动结果提供了参数先验没有的事实（降低幻觉）；Thought 强迫模型在行动前显式给出理由（错误决策更早暴露）；观察-推理交替把长任务切成多个短续写（每步更可靠）。模式本身是纯提示的——即使 API 已有原生函数调用，"先写计划再调用"的提示结构仍然显著影响工具选择质量。

设计要点：

1. 格式用固定标记：Thought:/Action:/Observation: 三行一组，解析器按标记切分；
2. Observation 要整形：工具原始返回（大 JSON、HTML）必须裁剪为对当前决策有用的摘要再回灌（详见 工具结果的上下文呈现：喂回什么、怎么喂），否则几轮就把预算烧光；
3. 失败也要回灌：工具报错是宝贵信息，约定模型收到错误后应修正参数重试或换工具，而不是沉默。

公式或模型

本节不适用——ReAct 是交互协议而非数学模型；其轮数-收益关系需在自身任务上用评估集实测。

实例或案例

案例：从"幻觉型客服"到 ReAct 客服。 症状：客服机器人被问"我的订单到哪了"时直接编造物流信息。操作步骤：① 系统提示声明可用工具清单与调用格式；② 禁止在无观察支撑时给出事实性答案（规则：R5 涉及订单状态的回答必须引用一次查询结果）；③ 设置循环上限 5 轮与超时话术；④ 每轮 Observation 做字段级裁剪。系统提示骨架：

你可使用以下工具（每轮最多一个 Action）：
- query_order(order_id)  查询订单状态
- create_refund(order_id, reason) 创建退款
作答规则：
R1 先用 Thought 说明计划，再给 Action；禁止跳过查询直接回答订单状态。
R2 工具返回错误时，修正参数重试 1 次；再失败则致歉并转人工。
R3 达到轮数上限未完成，回复："该问题处理超时，已转人工。"
R4 完成时以 Finish: 输出最终答复。

排错清单：

• 症状：模型循环调用同一工具 → 上限 + 在提示中声明"重复相同 Action 无意义"；
• 症状：Action 格式漂移解析失败 → 少样本给 2 个标准循环示例（见 零样本、少样本与示例工程），解析失败时把解析错误作为 Observation 回灌（自修复，见 校验-重试回路：让输出自修复）；
• 症状：上下文几轮就爆预算 → Observation 裁剪不足或历史轮未淘汰，见 工具结果的上下文呈现：喂回什么、怎么喂 与 上下文压缩：摘要、滚动与层级。

常见误区

• 把 ReAct 当框架功能：它是提示模式，没有框架也能用手写循环实现；反过来，用了框架不写好提示照样幻觉；
• Observation 原样回灌：大 JSON/HTML 不裁剪，两三轮就挤爆预算并稀释关键信息；
• 无循环上限：提示只说"完成就停"，模型有概率永不宣告——程序侧硬限制必须存在。

自测题

1. ReAct 相比纯 CoT 的本质增量是什么？

答：引入外部行动与真实观察，推理材料从参数先验扩展到事实反馈，抑制幻觉。

1. 为什么 Observation 要裁剪后再回灌？

答：控制注意力预算（上下文窗口与注意力预算），只保留对下一步决策有用的字段，防止预算被原始返回烧光。

1. 防止无限循环的两道保险是什么？

答：提示中的停止约定（Finish 语义 + R3 式超时话术）与程序侧的最大轮数硬限制。

与其他知识点的关系

工具结果的上下文呈现：喂回什么、怎么喂 专讲 Observation 的呈现工程；工具调用提示：函数描述、参数设计与选择引导 讲工具清单与参数的提示写法；注入防御：隔离、最小权限与输出侧防护 指出 Observation 是间接注入的主要入口——安全审查必查。

延伸阅读

• 论文：ReAct: Synergizing Reasoning and Acting in Language Models（Yao et al., 2022）。