Agent 第二课：ReAct 框架 思考与行动机制
一、先搞懂：为啥要有 ReAct？
普通大模型有个毛病：只会直接给答案 ，不会暴露自己「思考过程」，也不会主动想去调用工具。
ReAct 就是给 Agent 定的一套标准做事流程 ：先思考 → 再行动 → 拿到结果 → 再回答
二、ReAct 两个核心单词 记住就够用
- Re = Reasoning 思考推理
- Act = Action 行动执行
合起来：先思考，再行动
三、ReAct 完整工作流程（必背、面试必考）
-
思考 ReasonAI 先自己琢磨：这个问题我自己能不能答？要不要联网？要不要查库？要不要用工具？
-
行动 Act 决定好之后，调用对应的工具：搜网页、查数据库、运行代码、查 RAG 知识库
-
观察 Observation拿到工具返回的真实结果
-
再次循环思考看结果够不够、不够就再调用别的工具
-
整理输出答案把所有信息汇总，给用户最终回答
一句话流程：思考 → 行动 → 观察 → 再思考 → 输出
四、举个大白话例子，瞬间懂
你问 AI：今天北京气温多少？
ReAct 模式下 Agent 会这样走：
- 思考：我训练数据里没有今天实时天气，必须联网查
- 行动：调用「联网搜索」工具
- 观察：拿到北京今日温度数据
- 再思考：信息足够了，不用再查
- 输出：整理成通顺答案告诉你
普通大模型：直接瞎编一个温度，不会思考、不会调用工具。
五、ReAct 解决了什么问题
- 让大模型显式露出思考过程，不再瞎编
- 规范 Agent 做事逻辑，不乱来
- 天然适配工具调用、联网、查库、RAG
- 是现在绝大多数 Agent 底层通用框架