从 LLM 到 ReACT Agent：推理与行动协同的智能体框架深度解析

过去几年，大语言模型（LLM）在文本生成、代码编写和知识问答等任务上取得了突破性进展。然而，随着应用场景从"回答问题"逐步走向"完成任务"，人们开始意识到一个关键事实：仅具备推理能力的语言模型，并不足以应对真实世界中的复杂问题。如何让模型在思考的同时采取行动，并根据行动结果不断调整策略，成为推动智能系统演进的核心问题。正是在这一背景下，ReACT Agent 应运而生。

一、什么是 AI Agent：从"会回答"到"会做事"

传统的大语言模型（LLM）本质上是一个条件概率生成器：

给定输入 Token 序列，预测下一个 Token。

但 Agent 的核心目标不是"回答问题"，而是"完成任务"。

AI Agent = LLM + 规划能力 + 记忆机制 + 工具执行能力 + 循环控制逻辑

在 Agent 体系中，LLM 不再是终点，而是中枢大脑（Brain）。

---

1. Agent 的核心组件拆解（抽象层）

可以用一句工程化定义来总结：

Agent 是一个由 LLM 驱动、能够感知环境、进行推理、调用工具并持续迭代直至达成目标的系统。

核心能力一览

组件	职责	对应能力
LLM	推理与决策	语言理解、逻辑推演
Planning	任务拆解	子目标、顺序规划
Memory	状态保存	短期上下文、长期知识
Tool Use	执行动作	搜索、代码、API
Controller	循环调度	终止条件、异常处理

---

2. Agent 工作原理总览

---

二、Agent 的三大能力模块（深度拆解）

1. 规划（Planning）

1.1 子目标分解（Task Decomposition）

本质问题：LLM 一次性解决复杂问题，容易"思维跳跃"或遗漏关键步骤。

Agent 通过 显式规划 将问题拆分为可执行单元：

示例：

目标：制定季度销售推广方案

拆解为：

1. 分析市场趋势
2. 识别目标用户
3. 调研竞品策略
4. 选择推广渠道
5. 制定执行计划

这一步通常通过 Prompt 或 Planner Agent 完成

1.2 反思与改进（Reflection）

这是 Agent 区别于普通 LLM 的关键进化点。

常见反思方式：

• 执行失败后总结原因
• 对中间结果进行自我评价
• 调整后续行动策略

工程实现常见形式：

Previous action failed because ...
I should try a different approach:

---

2. 记忆（Memory）

2.1 短期记忆（Short-term Memory）

• 本质：上下文窗口
• 形式：对话历史、当前步骤
• 限制：Token 上限

Prompt Engineering 就是在"压榨短期记忆"。

2.2 长期记忆（Long-term Memory）

• 存储方式：向量数据库（FAISS / Milvus / Chroma）
• 存储内容：
  • 历史任务经验
  • 用户偏好
  • 外部文档

典型流程：

文本 → Embedding → Vector DB → 相似度检索 → 注入 Prompt

---

3. 工具使用（Tool Use）

3.1 为什么必须使用工具？

LLM 的权重是"静态的"，现实世界是"动态的"。

工具弥补三大缺陷：

• ❌ 无实时信息
• ❌ 无执行能力
• ❌ 无私有数据访问

3.2 常见工具类型

工具类型	示例
搜索	Google / Bing / 内部搜索
计算	Python REPL
数据	SQL / Elasticsearch
系统	Shell / OS
业务	内部 API

---

四、ReACT 的提出背景：Reasoning 与 Acting 的"断层问题"

4.1 早期方法的两种极端

方法	特点	问题
Chain-of-Thought	推理清晰	无法执行动作
Tool-Augmented LLM	能调用工具	缺乏长期规划

核心断层：推理（Reasoning）和行动（Acting）是割裂的。

---

4.2 ReACT 的核心洞察

ReACT 论文的关键假设是：

人类解决问题时，是在"想--做--看--再想"的闭环中完成的，而不是先想完再一次性执行。

因此，研究团队提出：

让语言模型同时生成推理轨迹（Thought）与行动指令（Action）

---

五、ReACT Agent 的核心机制：Thought--Action--Observation 循环

5.1 ReACT 的最小抽象

ReACT Agent 可以被抽象为一个 显式状态机：

State = {Thought, Action, Observation}

每一轮循环，LLM 都会：

1. 生成 Thought（推理）
2. 选择 Action（动作）
3. 接收 Observation（反馈）
4. 进入下一轮推理
   

---

5.2 三个核心状态的语义定义（非常关键）

Thought（思考）

• 内部推理链
• 不直接影响环境
• 决定下一步 Action

示例：

Thought: 我需要确认当前季度电子产品的市场趋势

Action（行动）

• 唯一能改变环境的步骤
• 必须是结构化、可执行的

示例：

Action: Search("2025 Q1 电子产品 市场趋势")

Observation（观察）

• 工具或环境返回的真实结果
• 是下一轮推理的"事实依据"

示例：

Observation: 多份行业报告指出 AI PC 与可穿戴设备增长迅速

---

六、ReACT Prompt 设计：让模型"学会"循环

6.1 标准 ReACT Prompt 模板（论文级）

You are a ReAct agent.

You must use the following format:

Thought: describe your reasoning
Action: the action to take, one of [Search, Lookup, Finish]
Observation: the result of the action

Repeat until you can answer.

Question: {question}

格式约束是 ReACT 成功的关键，而不是模型大小。

---

6.2 为什么 ReACT 必须"强约束输出格式"？

原因有三：

• 方便 程序解析
• 强制模型 外化推理
• 防止 Action 随机生成

---

七、ReACT Agent 的工程实现

7.1 ReACT Agent 的核心控制循环

本质：一个由 LLM 驱动的 while 循环

class ReActAgent:
    def __init__(self, llm, tools):
        self.llm = llm
        self.tools = tools
        self.history = []

    def run(self, question, max_steps=10):
        prompt = self.build_prompt(question)

        for step in range(max_steps):
            response = self.llm(prompt)
            thought, action = self.parse(response)

            if action.name == "Finish":
                return action.args

            observation = self.tools[action.name](action.args)
            prompt += f"\nObservation: {observation}\n"

这段代码就是 ReACT 的"灵魂"

---

7.2 Action Dispatch（工具路由）

TOOLS = {
    "Search": search_tool,
    "Lookup": lookup_tool
}

ReACT 不关心工具怎么实现，只关心能不能用。

---

八、ReACT 与传统 Agent 框架的本质区别

8.1 与 Planner-Executor 的对比

维度	Planner-Executor	ReACT
执行方式	先规划后执行	边想边做
动态调整	弱	强
中间可解释性	低	极高
容错性	低	高

---

8.2 与 AutoGPT 的对比

项目	AutoGPT	ReACT
自主性	高	可控
推理可见	低	高
工程稳定性	低	高

---

九、ReACT 的典型应用场景

9.1 检索增强问答（RAG + ReACT）

Thought → 是否需要外部信息？
Action → 向量检索 / 搜索
Observation → 文档片段
Thought → 综合答案

9.2 自动化运维 / 测试

Thought: BMC 温度异常，需确认传感器数据
Action: CallAPI("/redfish/v1/Chassis/...")
Observation: CPU 温度 92℃
Thought: 超过阈值，需要进一步定位

9.3 数据分析 Agent

• Thought：选择统计方法
• Action：执行 Python
• Observation：数值结果

---

十、ReACT 的挑战与工程化改进

10.1 Token 成本问题

• Thought 会显著增加 Token
• 工程方案：
  • 隐藏 Thought（生产）
  • 压缩历史
  • 分层 Agent

---

10.2 循环失控问题

解决方案：

• 最大步数
• 重复检测
• Reward / Critic Agent

ReACT 并不是"让模型多想几步"，而是让模型"像人一样边想边行动"。 它标志着大模型从"语言系统"向"行为系统"的关键跃迁。