ReAct = Re asoning + Act ing
论文：Yao et al., 2022, Google Research + Princeton
原文链接：https://arxiv.org/abs/2210.03629
本文记录我的论文学习过程与核心理解
一、背景：CoT 的局限性
在 ReAct 之前，Chain-of-Thought (CoT) 已经成为提升 LLM 推理能力的标配方法。
CoT 解决了什么问题？
| 问题 | 说明 |
|---|---|
| 模型推理过程不透明 | CoT 让模型展示思考链 |
| 复杂问题难以分解 | 逐步推理更容易正确 |
| 小模型也能有推理能力 | 配合 Prompt 工程效果显著 |
CoT 有什么问题？
核心缺陷：CoT 是在"闭门造车"
CoT 的思考链：
"我认为这个问题应该..."
"根据我的推理，下一步是..."
"可能的答案是..."问题在于：
- ❌ 模型不知道外部世界的真实情况
- ❌ 推理过程中的错误无法被发现和纠正
- ❌ 容易产生"幻觉"（Hallucination）
- ❌ 缺乏事实依据支撑
二、ReAct 核心思想
2.1 论文基本信息
| 项目 | 信息 |
|---|---|
| 全称 | ReAct: Synergizing Reasoning and Acting in Language Models |
| 原文链接 | https://arxiv.org/abs/2210.03629 |
| 作者 | Shunyu Yao, Jeffrey Zhao, et al. (Google Research + Princeton) |
| 时间 | 2022 |
| 引用 | 7,293（Semantic Scholar） |
| 核心贡献 | ① 推理与行动协同，解决了 CoT"闭门造车"问题 ② 外部工具交互获取实时信息 ③ HotPotQA/Fever 等任务 SOTA |
| 开源 | https://react-yh2.fly.dev/ |
2.2 ReAct 三要素
ReAct 的核心是把 Reasoning（思考） 和 Acting（行动） 结合起来，形成一个闭环：
┌─────────────────────────────────────────────────────┐
│ ReAct 循环 │
├─────────────────────────────────────────────────────┤
│ │
│ ┌─────────┐ │
│ │ Thought │ ◄─── 思考：我应该做什么？ │
│ └────┬────┘ │
│ │ │
│ ▼ │
│ ┌─────────┐ │
│ │ Action │ ◄─── 行动：调用外部工具 │
│ └────┬────┘ │
│ │ │
│ ▼ │
│ ┌─────────────┐ │
│ │ Observation │ ◄─── 观察：获取真实世界反馈 │
│ └──────┬──────┘ │
│ │ │
│ └─────────────────────────────────────────┘| 组件 | 英文 | 作用 | 举例 |
|---|---|---|---|
| Thought | 思考 | 推理分析，制定策略 | "我需要先查上海天气" |
| Action | 行动 | 调用外部工具 | search_weather("上海") |
| Observation | 观察 | 获取真实反馈 | 25°C, 晴天, 紫外线强 |
2.3 对比 CoT
| 能力 | CoT | ReAct |
|---|---|---|
| 展示思考过程 | ✅ | ✅ |
| 调用外部工具 | ❌ | ✅ |
| 获取真实反馈 | ❌ | ✅ |
| 纠正推理错误 | ❌ | ✅ |
| 事实依据 | ❌ | ✅ |
三、核心创新：Observation 反馈机制
3.1 为什么 Observation 如此重要？
Observation 解决了 CoT 的致命弱点：无法获得真实世界反馈
没有 Observation（CoT）：
想 → 想 → 想 → 一直想 → 可能一直错
有 Observation（ReAct）：
想 → 做 → 观察 → 想 → 做 → 观察 → 持续纠错3.2 协同效应 (Synergy)
论文的核心发现是：ReAct + CoT 协同 > 单独使用
| 模式 | 特点 | 效果 |
|---|---|---|
| 单独 CoT | 思考强，但可能胡思乱想 | 推理链清晰，但可能偏离事实 |
| 单独 ReAct | 有反馈，但推理链可能松散 | 事实准确，但组织性差 |
| ReAct + CoT | 思考有方向，反馈能纠错 | 最优效果 |
3.3 效果提升
在 HotpotQA、Fever 等多跳推理任务上，ReAct + CoT 协同比单独 CoT 精度提升约 10-15%，比单独 ReAct 也有明显提升。
四、典型工作流程
4.1 单轮交互
问题：上海今天适合穿什么？
Thought: 我需要先查一下上海的天气情况
Action: search_weather(query="上海天气")
Observation: 温度 25°C, 天气晴, 紫外线指数较高
Thought: 根据天气情况，建议穿薄外套遮阳，搭配长裤
Answer: 建议穿薄外套 + 长裤，需注意防晒4.2 多轮复杂推理
问题：特斯拉 CEO 马斯克是哪里人？
Thought: 需要先确认"特斯拉 CEO 马斯克"指的是谁
Action: search(query="马斯克 特斯拉 CEO")
Observation: 埃隆·马斯克 (Elon Musk)，南非出生
Thought: 马斯克出生于南非比勒陀利亚，现在是美国公民
Answer: 埃隆·马斯克出生于南非比勒陀利亚，后成为美国公民4.3 错误纠正场景
问题：华为是哪年成立的？
Thought: 华为应该是 1987 年成立的
Action: search(query="华为公司成立年份")
Observation: 华为技术有限公司于 1987 年在中国深圳注册成立
Thought: 我的记忆是对的，华为确实是 1987 年成立
Answer: 华为于 1987 年在中国深圳成立五、ReAct 的意义与影响
5.1 对 AI Agent 架构的影响
ReAct 为后来的自主 Agent 系统奠定了基础：
ReAct (2023)
│
├──► AutoGPT (2023) - 自主执行任务
│
├──► AgentScope (2024) - 多智能体协作
│
└──► 各类 Agent 框架的标配5.2 与其他技术的关系
| 技术 | 时间 | 核心思想 | 与 ReAct 的关系 |
|---|---|---|---|
| CoT | 2022 | 展示思考链 | ReAct 继承了 Thought |
| ReAct | 2023 | 边想边做 | 基础框架 |
| Reflexion | 2023 | 自我反思 | ReAct + 反思机制 |
| Plan-and-Execute | 2023 | 规划优先 | ReAct 的变体 |
5.3 局限性
| 局限性 | 说明 |
|---|---|
| 工具调用成本 | 每次 Action 都有 API 调用开销 |
| 推理长度增加 | Thought + Action + Observation 增加 token 消耗 |
| 循环依赖风险 | 可能陷入思考循环 |
| 工具质量依赖 | Action 效果依赖工具本身的质量 |
六、实践建议
6.1 什么时候用 ReAct？
| 场景 | 推荐原因 |
|---|---|
| ✅ 需要获取实时信息 | 天气、新闻、股价等 |
| ✅ 多跳推理任务 | 需要多个步骤的事实支撑 |
| ✅ 避免幻觉 | 需要事实依据的场景 |
| ✅ 外部 API 集成 | 需要操作数据库、搜索等 |
6.2 与其他方法结合
推荐组合：
ReAct + CoT prompting
│
├── Thought 部分使用 CoT 风格（结构化推理）
│
└── Action + Observation 部分使用 ReAct（工具调用）
ReAct + Reflexion
│
├── ReAct 负责正常执行
│
└── Reflexion 负责事后反思和错误纠正七、总结
核心要点
ReAct = Reasoning（思考）+ Acting（行动）
| 要点 | 内容 |
|---|---|
| 创新点 | 引入 Observation，让模型获得真实世界反馈 |
| 核心价值 | 解决 CoT"闭门造车"的问题 |
| 关键发现 | ReAct + CoT 协同效果最优 |
| 影响 | 成为 AI Agent 的标配架构 |
我的理解
ReAct 的本质是 把 LLM 变成了一个"会思考的执行器"：
传统 LLM → 只会"想"
CoT LLM → 展示思考过程
ReAct LLM → 边想边做，通过行动验证思考Thought = 内心独白 （我在想什么）
Action = 外部行动 （我做了什么）
Observation = 感官输入（我看到了什么结果）
八、参考资料
| 资料 | 链接 |
|---|---|
| 论文 | https://arxiv.org/abs/2210.03629 |
| 项目主页 | https://react-yh2.fly.dev/ |
| GitHub | https://github.com/ysymyth/ReAct/ |
相关阅读：
欢迎交流讨论，我的 blog：sunrong.site