提示词工程终章：ReAct——让大模型“边想边做”的智能体革命

提示词工程终章：ReAct------让大模型"边想边做"的智能体革命

作者：书到用时方恨少！

发布日期：2026年5月10日

阅读时长：约24分钟

📌 写在前面

大家好，我是"书到用时方恨少！"。前面两期我们构建了提示词工程的完整认知：从入门时的角色扮演与少样本，到进阶时用思维链、链式提示和自我一致性让模型"深思熟虑"。但不知道你有没有这种感觉------这些方法再强，模型还是只能生成文本，一旦需要查资料、算数值、调工具，它就哑火了。

真正的智能不应该只停留在"脑内的语言体操"，更应该能动手做事 。所以今天，我们迎来了这个系列的终章，也是目前大模型应用最前沿的模式------ReAct（Reasoning + Acting）。它让模型化身一个能思考、能行动、能根据观察调整策略的自主智能体。我会从为什么我们需要ReAct讲起，带你把思维链、行动、观察串成完美闭环，再用一个能搜索并总结新闻的实战案例收尾。读完这篇，你就能理解当下爆火的 AI Agent 的底层逻辑。

---

1. 🤔 为什么需要 ReAct？------ 当思考不足以解决问题

1.1 思维链的边界：闭卷考试的困境

思维链（Chain of Thought）教会了模型一步步推理，但它有一个致命的局限：模型只能依赖自己训练时学到的知识。而世界是动态的，知识有截止日期，很多问题需要最新数据或外部计算才能回答。

比如你问："2026年奥斯卡最佳影片的导演是谁？" 如果模型的训练数据截止到2025年，即使它推理能力再强，也只能老实回答"我不知道"或者更糟------开始编造事实。这就是大模型的"幻觉"温床。

1.2 链式提示的局限：缺乏动态闭环

链式提示（Prompt Chaining）将任务拆成了多个阶段，但它是静态流水线：步骤之间的数据流是预设的，无法根据中间结果动态调整下一步做什么。如果中间某步需要查询外部知识，你必须在代码里手动插入API调用，无法让模型自主决策"我现在该去搜索"。

1.3 理想的智能体：思考 ↔ 行动 ↔ 观察

我们想象一个完美的助手：当被问到"特斯拉今天的股价是多少？比昨天涨了还是跌了？"，它应该：

1. 思考（Reasoning）：我需要获取特斯拉今日和昨日的股价。
2. 行动（Acting）：调用股价查询工具。
3. 观察（Observation）：收到工具返回的数据。
4. 再思考：计算涨跌幅度，组织答案。
5. 给出最终答案。

这个 "思考→行动→观察→再思考→再行动...→最终答案 " 的循环，就是 ReAct 的精髓。它融合了思维链的推理能力与工具使用能力，让模型从"知道什么就说什么"升级为"需要什么就去查什么"。

---

2. 🔄 ReAct 是什么？

2.1 定义与起源

ReAct （Reasoning and Acting）是由 Google Research 在 2022 年提出的一种提示范式 ，它交替生成推理步骤 和任务特定的行动 ，并将行动产生的观察结果作为上下文继续推理，从而解决需要多步交互和外部知识的复杂任务。

简单说：ReAct = 思维链（Reasoning） + 工具调用（Acting） + 观察反馈（Observation）

2.2 工作流程示意

[问题] 
   ↓
[思考1] 我需要先知道X
   ↓
[行动1] 查询(X) → [观察1] 结果：...
   ↓
[思考2] 根据观察，我还需要Y
   ↓
[行动2] 计算(Y) → [观察2] 结果：...
   ↓
[思考3] 现在我有足够信息，可以给出答案
   ↓
[最终答案]

每一次行动都是模型自主决策的，观察结果直接反馈到下一轮推理中，形成了智能体与环境的交互闭环。

2.3 与其他技术的对比

技术	核心能力	与外界交互	适用场景
思维链 (CoT)	生成推理步骤	无	纯推理任务（数学、逻辑）
链式提示	分解任务，多步流水线	可预定义工具	多阶段文本处理
自我一致性	多次采样投票提升准确率	无	有明确答案的推理任务
ReAct	推理 + 行动 + 观察 动态循环	自主调用工具	需要外部知识或复杂交互的任务

ReAct 不是替代前几种技术，而是在它们的基础上加入了行动维度。你完全可以为ReAct的推理步骤加上自我一致性投票，也可以用链式提示来组织多个ReAct会话。

---

3. 🧠 ReAct 的核心原理：思考-行动-观察循环

3.1 提示词模板：定义智能体的行为模式

要在普通大模型上实现ReAct，关键在于构造一个包含循环格式的少样本提示词。通常会定义以下几个关键标签：

• Thought（思考）：此时此刻的推理和计划。通俗说就是模型的自言自语，比如："我需要搜索2026年奥斯卡获奖影片，然后找到其导演姓名。"
• Action（行动） ：要执行的具体操作，通常包含操作名和参数。例如：Search[2026年奥斯卡最佳影片]
• Observation（观察）：行动执行后从外部环境（工具）返回的结果。在提示词示例中会展示这些观察结果是从哪里来的，真实环境中则由程序实际调用工具后填入。

示例模板如下：

回答以下问题。你可以使用以下工具：
- Search[query]：搜索互联网
- Calculate[expression]：计算数学表达式

请按以下格式交替进行思考和行动：

Thought: [你的推理]
Action: [工具名][参数]
Observation: [工具返回结果]
... (重复)
Thought: 我现在有了足够信息
Final Answer: [最终答案]

示例：
问题：2024年F1冠军的年龄是多少？
Thought: 我需要知道2024年F1冠军是谁，以及他的出生日期。
Action: Search[2024年F1世界冠军]
Observation: 马克斯·维斯塔潘在2024年赢得了F1世界冠军。
Thought: 现在需要维斯塔潘的出生日期。
Action: Search[马克斯·维斯塔潘出生日期]
Observation: 维斯塔潘出生于1997年9月30日。
Thought: 当前年份2026年，他2026-1997=29岁（到9月才满29，但现在应该是28或29，具体计算）。
Action: Calculate[2026-1997]
Observation: 29
Thought: 维斯塔潘在2026年是29岁。
Final Answer: 29岁。

现在请回答：特斯拉的市值是多少亿美元？

模型看到这样的示例，就会理解整个循环模式。当它生成 Action: Search[特斯拉市值] 时，程序需要截获这行，实际调用搜索引擎API，将结果以 Observation: ... 的形式拼接回对话历史，然后让模型继续生成下一个Thought。

3.2 实现ReAct的工程逻辑

实际编码时，ReAct是一个循环解析过程：

1. 将问题、工具描述、格式要求、示例拼成初始提示词。
2. 发送给LLM，获取生成文本。
3. 解析生成文本，检查是否包含 Action 或 Final Answer。
4. 如果是 Action，提取工具名和参数，调用相应工具，获取真实结果，将 Observation 追加到对话中。
5. 将扩展后的对话再次发送给LLM，继续生成。
6. 重复直到模型输出 Final Answer 或达到最大迭代次数。

这就是一个基本的Agent循环。许多框架（如LangChain的AgentExecutor、AutoGPT等）都在这个核心理念上扩展了更多工具和记忆功能。

3.3 为什么ReAct能减少幻觉？

幻觉通常发生在模型被迫"脑补"信息时。ReAct将外部知识检索直接整合进推理链，模型可以在不确定时主动调用可信工具验证。同时，观察结果作为强有力的上下文，会锚定模型的后续推理，使其更贴近事实。实验表明，ReAct在知识密集型任务上的准确率远高于纯思维链。

---

4. 🧪 实战：构建一个"联网搜索 + 计算"的智能问答助手

让我们模拟一个支持搜索和计算的ReAct助手。为简化，我们将用伪代码展示核心逻辑，但保留了真实的ReAct模式。

4.1 工具定义

我们提供两个工具：

• Search(query)：模拟搜索，返回一段包含关键词的摘要。
• Calculate(expression)：用Python的eval安全计算表达式。

4.2 提示词构造

REACT_PROMPT = """
你是一个能够使用工具的智能助手。可用工具：
- Search[query]：搜索互联网获取信息
- Calculate[expression]：计算数学表达式

请严格按照以下格式，交替进行思考(Thought)和行动(Action)，行动后会收到Observation：
Thought: 你的推理和下一步计划
Action: 工具名[参数]
Observation: 工具返回结果
...（可重复）
Thought: 我有了足够信息
Final Answer: 最终答案

示例：
问题：2024年奥运会在哪个城市举行？该城市人口多少？
Thought: 需要知道2024年奥运会举办城市，然后查人口。
Action: Search[2024年奥运会举办城市]
Observation: 2024年夏季奥运会在法国巴黎举行。
Thought: 巴黎是举办城市，现在搜巴黎人口。
Action: Search[巴黎人口2024]
Observation: 巴黎人口约为216万（2024年估计）。
Thought: 我有了所需信息。
Final Answer: 2024年奥运会在巴黎举行，巴黎人口约216万。

问题：{question}
"""

4.3 循环执行器

import re

class ReactAgent:
    def __init__(self, model_call):
        self.model_call = model_call
        self.max_steps = 10

    def run(self, question):
        prompt = REACT_PROMPT.format(question=question)
        context = prompt

        for step in range(self.max_steps):
            response = self.model_call(context)  # 调用LLM

            # 提取Final Answer
            final_match = re.search(r'Final Answer:\s*(.*)', response, re.DOTALL)
            if final_match:
                return final_match.group(1).strip()

            # 提取Action
            action_match = re.search(r'Action:\s*(.*?)\[(.*)\]', response)
            if action_match:
                tool_name = action_match.group(1).strip()
                tool_input = action_match.group(2).strip()
                # 执行工具
                if tool_name == 'Search':
                    obs = self.search(tool_input)
                elif tool_name == 'Calculate':
                    obs = self.calculate(tool_input)
                else:
                    obs = f"未知工具: {tool_name}"

                # 追加观察结果到对话
                context += f"\nObservation: {obs}\n"
            else:
                # 如果没有Action也没有Final Answer，提示继续
                context += "\nObservation: 请继续按格式生成Thought和Action。\n"

        return "达到最大步数限制，未能给出最终答案。"

    def search(self, query):
        # 模拟搜索函数（实际可调用搜索引擎API）
        mock_db = {
            "特斯拉市值": "截至2026年5月，特斯拉市值约为8000亿美元。",
            "OpenAI CEO": "OpenAI的CEO是山姆·奥尔特曼。",
        }
        return mock_db.get(query, f"未找到关于'{query}'的信息。")

    def calculate(self, expression):
        try:
            # 安全计算：只允许数字和基本运算符
            allowed = set("0123456789+-*/(). ")
            if not all(c in allowed for c in expression):
                return "表达式包含非法字符"
            return str(eval(expression))
        except Exception as e:
            return f"计算错误: {e}"

4.4 执行演示

假设用户问："特斯拉市值8000亿，如果再涨20%是多少？"

agent = ReactAgent(model_call=your_llm_function)
result = agent.run("特斯拉现在市值大约8000亿美元，如果再涨20%是多少？")
print(result)

可能的推理过程：

Thought: 我需要计算8000亿增长20%后的值。
Action: Calculate[8000 * 1.20]
Observation: 9600.0
Thought: 计算结果出来了。
Final Answer: 特斯拉市值增长20%后约为9600亿美元。

如果用户问的是需要搜索的问题，如"山姆·奥尔特曼是哪个公司的CEO，公司有多少员工？"，它会先Search OpenAI CEO，然后Search OpenAI员工数，逐步获得最终答案。

---

5. 🧰 ReAct的工程化生态与应用

在实际项目中，从头实现ReAct循环并不复杂，但已有成熟框架提供了更丰富的工具集成、记忆管理、错误处理等。

5.1 LangChain中的Agent

LangChain 将 ReAct 模式具体化为 AgentExecutor，支持定义多种工具，并内置了 ReAct 风格的提示模板。你只需编写工具函数并注册，框架会自动处理循环和解析。

from langchain.agents import load_tools, initialize_agent, AgentType
from langchain.llms import OpenAI

llm = OpenAI(temperature=0)
tools = load_tools(["serpapi", "llm-math"], llm=llm)
agent = initialize_agent(tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True)
agent.run("2025年诺贝尔文学奖得主出生于哪一年？")

5.2 AutoGPT、BabyAGI等自主智能体

这些项目将 ReAct 循环进一步扩展为目标驱动的自主任务执行：给定一个总体目标，智能体自主分解任务、生成Todo列表、逐步执行并观察结果，不断调整计划直至完成。这背后依然是思考-行动-观察的循环。

5.3 ReAct的局限与挑战

• 循环控制：模型可能陷入无限循环，反复调用工具而无法收敛。需要设最大步数或循环检测。
• 工具选择偏差：模型有时会选择错误的工具或错误地格式化工具参数，导致观察结果无意义。
• 上下文窗口：多轮循环会迅速消耗Token，长对话可能超出窗口限制。
• 成本：多次API调用以及搜索/计算工具的调用都会增加延迟和费用。
• 安全性：如果工具允许执行代码或数据库操作，必须严格限制权限，防止注入攻击。

---

6. 🎯 总结与系列回顾

今天我们揭示了让大模型从"纸上谈兵"走向"真刀真枪"的 ReAct 模式：

• ✅ ReAct的动机：弥补思维链的闭卷局限和链式提示的静态缺陷，让模型能动用外部工具。
• ✅ 核心循环：思考(推理) → 行动(工具调用) → 观察(工具结果) 交替进行，直至给出最终答案。
• ✅ 实现方式：通过特殊格式的少样本提示定义行为模式，配合程序解析执行工具调用。
• ✅ 实战案例：用伪代码构建了一个支持搜索和计算的ReAct智能体。
• ✅ 工程化前景：LangChain等框架封装了此模式，AutoGPT等自主智能体更是其延伸。同时我们也讨论了局限性与挑战。

至此，提示词工程系列三篇全部完结。让我们快速回顾：

篇目	内容
入门篇	角色划分、五个核心原则、零样本与少样本
进阶篇	思维链(CoT)、链式提示、自我一致性
本篇（终章）	ReAct：推理与行动融合的智能体范式

从写一个清晰的指令，到教模型一步一步推演，再到让它自己决定去查资料、算算术，我们走过了与AI沟通能力不断升级的过程。掌握了这些，你就能理解当前几乎所有高级AIGC应用的底层魔法，也有能力去设计和优化自己的智能应用。

我是书到用时方恨少！，感谢你三期的陪伴。如果这个系列对你有所帮助，欢迎点赞、收藏、转发，让更多人告别"AI随机玄学"。未来我还会带来更多AI/编程干货，期待与你在下一个专题相遇。🚀

---

本文采用 CC BY-NC-SA 4.0 协议，转载请注明出处。