清晨准备早餐时，我们总会下意识地完成一串"思考-行动"的联动：想做煎蛋便先开火预热，发现油壶空了就去厨房储物柜取用，煎至金黄后关火装盘。这个看似寻常的认知过程，恰恰暗藏着AI领域追逐多年的智能密码，真正的解决问题能力，从来不是单一的"思考"或孤立的"行动"，而是两者的动态协同。2022年，姚顺雨团队提出的ReAct范式，正是首次将这种人类认知逻辑系统性植入大语言模型，打破了LLM仅作为"知识库"或"聊天机器人"的局限，开启了其向主动感知、规划决策的Agent形态演进的大门。如今重读这篇被奉为"LLM Agent开山之作"的论文，不仅能明晰其核心创新，更能在当下Agent爆发的浪潮中，找到技术落地的底层逻辑与破局思路。
在ReAct出现之前，大语言模型的应用始终深陷两大割裂的赛道，难以突破复杂任务的瓶颈。一边是聚焦"推理"的阵营，以思维链（CoT）为代表，让模型依托内部知识库进行多步逻辑推演。这种模式在数学计算、简单问答等任务中表现亮眼，但本质上是一种静态的黑盒过程，最大的弊端的是极易产生"幻觉"，比如询问"2025年美国总统是谁"，训练数据截止到某一时间点的模型可能会给出过时答案，因为它无法获取外部实时信息，只能依赖参数记忆进行臆测。更严重的是，即便推理过程漏洞百出，模型也会自圆其说，导致错误答案极具迷惑性。
另一边则是侧重"行动"的阵营，常见于强化学习（RL）或WebGPT等场景，模型根据环境观察直接输出动作指令，通过API与外部工具交互。这种模式解决了实时信息获取的问题，但缺乏高层语义规划，如同没有导航的旅人，容易在复杂任务中迷失方向。比如在模拟购物网站WebShop中，若用户需求是"买一款适合户外的手机保护套"，纯行动模式的模型可能会直接罗列所有保护套商品，却无法提炼"户外所需的耐用、防水材质"这一核心需求，最终陷入无效浏览的死循环。
ReAct的核心突破，正是看到了这两大赛道的短板，提出了"推理与行动协同"的全新范式。它借鉴人类"思考-行动-观察-再思考"的认知闭环，将模型的动作空间扩充为两部分：一部分是"Thought（思考）"，作为内部动作不影响外部环境，却能更新上下文，帮助模型整理思路、分解目标、提取关键信息；另一部分是"Action（行动）"，作为外部动作与环境交互，执行后会获取新的观察结果（Observation），反哺后续思考。这种"Thought-Action-Observation"的交替循环，让LLM不再是孤立的"空想家"或盲目的"执行者"，而是具备规划能力与环境适配性的智能Agent。
从形式化定义来看，ReAct将Agent与环境的交互过程进行了清晰拆解。在每个时间步，Agent接收环境观察，结合当前上下文采取行动。传统策略仅学习"观察到行动"的映射，而ReAct则通过引入Thought，构建了"观察-思考-行动-新观察"的闭环映射。其中Thought的作用至关重要，它既是行动的"导航仪"，也是异常的"处理器"，比如在家庭模拟游戏ALFWorld中，当模型拿到钥匙时，Thought会明确"下一步需要寻找锁的位置"；若尝试开门失败，Thought又会调整为"检查钥匙是否匹配，或是否找对了房门"，这种动态调整能力，正是纯行动模式所缺失的。
在具体实现上，ReAct采用了少样本提示（Few-shot Prompting）的方式，基于冻结参数的大模型（论文中主要使用PaLM-540B，对比实验采用GPT-3）完成任务。Prompt的构建逻辑十分直观，即嵌入若干人类编写的完整"Thought-Action-Observation"轨迹示例，让模型通过模仿学会协同范式。值得注意的是，ReAct并非僵化要求"每一步都必须包含Thought"，而是根据任务类型灵活调整：对于知识密集型任务如多跳问答，采用"Thought-Action-Observation"的严格交替结构，确保推理的严谨性；对于决策密集型任务如游戏闯关，则允许模型自主决定Thought的生成时机，实现稀疏推理，避免冗余思考消耗上下文窗口。
论文中的一系列实验，充分验证了ReAct范式的优越性，也揭示了其与传统模式的核心差异。在知识密集型任务中，研究团队选取HotpotQA（多跳问答）和FEVER（事实验证）两大数据集，允许模型调用Wikipedia API（支持搜索、查询、结束三个动作），对比标准提示（Standard）、思维链（CoT）、纯行动（Act-only）与ReAct四种模式的表现。结果显示，CoT的主要失败模式是事实幻觉，由于无法访问外部数据，其回答的准确率高度依赖内部记忆；Act-only则因缺乏推理指导，频繁出现无效搜索；而ReAct虽能有效规避幻觉，但偶尔会因结构约束打断推理流畅性，出现推理错误。
为了弥补这一短板，论文提出了ReAct与CoT-SC（自我一致性）结合的混合策略，充分发挥两者优势：要么先尝试ReAct，若未找到答案则退回到自我一致性验证；要么先通过CoT-SC生成多个答案，若答案分歧较大则启用ReAct进行事实查证。这种组合策略最终在两大数据集上均取得最佳性能，证明了"推理指导行动，行动验证推理"的协同价值，ReAct负责确保事实准确性，CoT负责保障逻辑连贯性，两者互补形成闭环。
在决策制定任务中，ReAct的表现更是远超传统模式。在ALFWorld文本模拟家庭环境中，任务要求模型完成"关闭客厅所有灯"等指令，ReAct的成功率达到71%，而Act-only仅为45%。深入分析发现，Act-only模型在长时间跨度任务中极易忘记子目标，比如打开衣柜后就忘记要找衣服，或操作失败后陷入重复尝试的死循环；而ReAct通过Thought显式记录状态，始终锚定核心目标，即便出现小失误也能快速修正。在WebShop模拟购物任务中，ReAct更是展现出强大的需求拆解能力，面对"适合户外的保护套"这类模糊指令，能通过Thought提炼出"耐用、防水"等关键属性，再通过搜索动作筛选商品，精准匹配用户需求。
除了零样本提示的表现，论文还探索了ReAct在微调场景下的潜力。研究发现，ReAct范式在大模型（540B参数）上效果显著，但在小模型（8B/62B参数）上难以通过提示实现有效迁移；而若使用ReAct生成的成功轨迹（包含完整Thought-Action-Observation）微调小模型，其效果会显著优于微调后的CoT或Standard模式。这一结论极具实操价值：微调CoT本质上是让模型"背诵"知识，不仅容易过时，还会加剧幻觉问题；而微调ReAct是在教模型"如何寻找信息、如何推理决策"的通用能力，这种能力具备更强的泛化性，即便面对未见过的任务，也能通过协同范式逐步拆解解决。
如今重读ReAct，我们不仅能看到其技术创新，更能深刻理解其有效的底层逻辑。首先是"协同效应（Synergy）"，推理与行动的动态联动形成了双向赋能：Thought为Action指明方向，减少无效搜索和盲目操作；Action为Thought提供实时反馈，将推理锚定在客观事实之上，避免陷入空想。这种联动让LLM摆脱了"纸上谈兵"的困境，真正具备了落地解决问题的能力。其次是"可解释性（Interpretability）"，Thought的显式生成让模型的决策过程不再是黑盒，我们能通过Thought清晰知晓模型为何执行某个动作、为何调整策略，这种可解释性不仅便于问题排查，更能提升用户信任度。
更具突破性的是ReAct带来的"可控性（Controllability）"，论文中的Human-in-the-loop实验充分证明了这一点：当Agent在任务中走偏时，人类无需调整模型参数或重写大量Prompt，只需修改其中一句关键Thought，Agent就能根据修正后的思路调整后续Action，快速回归正确轨道。这种轻量化的控制方式，极大降低了Agent的落地成本，让非技术人员也能参与到Agent的优化过程中，为后续人机协同Agent的发展奠定了基础。
当然，ReAct并非完美无缺，其局限性也为后续研究指明了方向。首先是上下文长度限制，ReAct生成的Thought和Observation会持续占用上下文窗口，在长时间跨度任务中，容易因窗口溢出导致历史信息丢失，影响推理连贯性。这一问题在当下虽有大上下文模型（如GPT-4 Turbo的128k上下文）缓解，但如何轻量化Thought、优化上下文管理，仍是Agent落地的关键挑战。其次是推理错误问题，相比于纯CoT，ReAct的结构约束会在一定程度上限制推理灵活性，偶尔会陷入"搜索-无果-重复搜索"的死循环，如何让模型在协同范式中保持推理的流畅性与创新性，仍需进一步探索。
最后是对Prompt质量的高度依赖，ReAct的少样本提示需要高质量的轨迹示例，若示例存在逻辑漏洞或动作偏差，模型会直接模仿错误模式，导致任务失败。这一局限性也推动了后续研究的发展，比如自动生成高质量轨迹、Prompt自适应优化等方向，都是为了降低ReAct范式的落地门槛。
作为LLM Agent的开山之作，ReAct的价值不仅在于提出了一种全新范式，更在于为后续Agent的发展提供了核心思路。它让我们意识到，AGI的演进并非单一技术的突破，而是对人类认知逻辑的深度借鉴与工程化落地。在当下Agent赛道蓬勃发展的背景下，ReAct的核心思想仍具有极强的指导意义，为我们的技术实践提供了三大关键启示。
第一，构建Agent时，显式的Reasoning Step（Thought）必不可少。很多开发者在设计Agent时，急于让模型调用工具，却忽略了思考环节的重要性，导致模型频繁出现无效操作。事实上，复杂任务的解决离不开清晰的目标拆解与策略规划，让模型先"想清楚"再"动手做"，才能减少冗余动作，提升任务成功率。比如在构建企业级Agent时，面对"生成季度销售报告并发送给各部门负责人"的指令，模型应先通过Thought拆解为"获取销售数据、整理数据维度、生成报告文档、确认负责人邮箱、发送邮件"等子目标，再逐步执行对应动作，而非直接调用邮件API。
第二，在私有数据或实时信息场景中，ReAct范式比单纯的RAG（检索增强生成）更具灵活性。RAG的核心是通过预检索将相关信息融入上下文，但其检索策略相对固定，难以应对动态变化的需求；而ReAct允许模型根据任务进展自主决定检索时机、检索关键词，甚至根据检索结果调整后续策略。比如在金融领域的Agent中，当用户询问"某股票今日走势及投资建议"时，ReAct会先通过Thought明确"需要获取实时股价、行业新闻、公司公告等信息"，再调用对应API检索，若发现检索结果不足，还会进一步调整关键词补充检索，最终结合信息生成建议，这种动态检索能力是RAG难以企及的。
第三，微调Agent时，应重视中间轨迹的价值。很多开发者在微调时仅将最终答案作为训练数据，却忽略了中间的Thought-Action过程，导致模型虽能输出正确答案，却无法复现合理的决策路径，泛化性极差。而ReAct的微调实验表明，将完整的"Thought-Action-Observation"轨迹纳入训练数据，能让模型学会通用的决策逻辑，即便面对未见过的任务，也能通过协同范式逐步拆解。比如在微调客服Agent时，不仅要包含"用户问题-最终回复"，更要加入"理解用户需求的Thought-调用知识库检索的Action-获取检索结果的Observation-生成回复的Thought"等完整轨迹，让模型学会"如何理解需求、如何获取信息、如何组织回复"的全流程逻辑。
ReAct的出现，标志着LLM从"被动响应"向"主动决策"的关键转折，它为AI领域提供了一种全新的智能范式，让大语言模型不再局限于文本生成，而是成为能够感知环境、规划目标、执行动作的智能体。如今，无论是AutoGPT、LangChain等Agent框架，还是各类行业级Agent应用，都能看到ReAct的影子，其"推理与行动协同"的核心思想，已成为Agent技术的底层共识。
当然，ReAct只是LLM Agent发展的起点，随着上下文窗口的扩大、多模态技术的融合、强化学习与Prompting的结合，Agent的能力还将持续迭代。但重读这篇论文我们能深刻意识到，真正的智能从来不是"单向输出"，而是"与环境的动态交互、与自身的持续迭代"。ReAct给予我们的不仅是一种技术方法，更是一种认知启发，模仿人类的认知逻辑，让AI在"思考"与"行动"的循环中不断成长，或许正是通往AGI的必经之路。
在当下Agent赛道群雄逐鹿的时代，回望ReAct这盏启蒙之光，能让我们更清晰地把握技术的核心脉络，避开盲目跟风的陷阱。未来，当我们构建更强大的Agent时，不妨始终牢记ReAct的核心逻辑：让思考指导行动，让行动验证思考，在协同与迭代中，让AI真正成为人类解决复杂问题的可靠伙伴。而这，或许正是这篇开山之作留给行业最珍贵的财富。