2022年Yao等人提出的ReAct，是Agent推理范式的奠基之作。2025-2026年，业界对它的认知更成熟了------ReAct不是终点，而是起点。这篇文章讲透ReAct核心机制、它的硬伤、以及2025-2026演化出的Reflexion / RAF等替代方案。
一句话总结
ReAct = Reasoning + Acting ，让LLM在每一步都先"想"再"做"，通过Thought-Action-Observation循环实现推理与行动的协同。但ReAct有四大硬伤------步骤冗余、错误难恢复、上下文膨胀、循环死锁。2026年的工业实践已经在用Reflexion（自反思）、RAF（多层元认知）、Anthropic Subagents等模式替代或补强纯ReAct。
1. 为什么需要ReAct？
1.1 之前的问题
纯推理（Chain-of-Thought / CoT）：模型只"想"不"做"，无法获取外部信息，容易产生幻觉。
Q: 2026年诺贝尔物理学奖得主是谁？
CoT: 让我推理一下...诺贝尔物理学奖通常颁给...
→ 猜了一个错误答案（因为知识截止在训练时）💡 CoT（Chain-of-Thought，思维链）：Google 2022年提出，让模型在回答前先生成"推理过程"再给答案，显著提升数学/逻辑题准确率。但CoT的根本局限是------它只能在"训练时记住的知识"内推理，遇到训练后的事实就抓瞎。
纯行动（Act-only）：模型只"做"不"想"，连续调用工具但缺乏规划，容易走弯路。
Act-only: search("诺贝尔奖") → 搜索结果太多
search("2026诺贝尔") → 还是不精确
search("2026诺贝尔物理学奖") → 终于找到了
→ 花了3步，效率低1.2 ReAct的解法
先想再做------每一步都明确当前目标，选择最有效的行动：
Thought: 我需要查2026年诺贝尔物理学奖，搜索词要精确
Action: search("2026 Nobel Prize in Physics")
Observation: ...（搜索结果）
Thought: 找到了，让我确认一下具体贡献
Action: lookup("...贡献")
Observation: ...
Thought: 信息完整了，可以回答
Answer: 2026年诺贝尔物理学奖颁给了...2步搞定，比Act-only的3步更高效，比CoT更准确。
2. ReAct核心机制
2.1 Thought-Action-Observation循环
┌──→ Thought（思考）──→ Action（行动）──→ Observation（观察）──┐
│ │
└──────────────────── 循环直到任务完成 ←─────────────────────┘| 步骤 | 说明 | 示例 |
|---|---|---|
| Thought | LLM对当前状态的推理和规划 | "我需要搜索X" |
| Action | LLM选择调用的工具和参数 | search("X") |
| Observation | 工具返回的结果 | 搜索结果文本 |
2.2 Prompt模板
ReAct的关键是Prompt设计，让LLM按固定格式输出：
你是一个能使用工具的Agent。请严格按照以下格式输出：
Question: [输入的问题]
Thought: [你当前的思考]
Action: [工具名称(参数)]
Observation: [工具返回的结果]
... (Thought/Action/Observation可重复多次)
Thought: [最终思考]
Final Answer: [最终答案]
可用工具：
- search(query): 搜索引擎
- lookup(term): 在当前页面查找术语
- finish(answer): 返回最终答案3. 代码实现（2026版）
3.1 最小ReAct Agent（直接调用Claude/GPT）
python
import re
from anthropic import Anthropic
client = Anthropic()
REACT_PROMPT = """你是一个ReAct Agent。请严格按照Thought/Action/Observation格式输出。
可用工具：
- search(query): 搜索互联网
- calculate(expr): 计算数学表达式
- finish(answer): 返回最终答案
Question: {question}
{history}
Thought: """
def react_agent(question, max_steps=10):
history = ""
for step in range(max_steps):
prompt = REACT_PROMPT.format(question=question, history=history)
response = client.messages.create(
model="claude-opus-4.7", # 2026推荐主流模型
messages=[{"role": "user", "content": prompt}],
max_tokens=500,
)
output = response.content[0].text.strip()
# 解析Thought和Action
thought_match = re.search(r"Thought:\s*(.+)", output)
action_match = re.search(r"Action:\s*(\w+)\((.+?)\)", output)
if not thought_match or not action_match:
break
thought = thought_match.group(1)
tool_name = action_match.group(1)
tool_args = action_match.group(2)
history += f"Thought: {thought}\nAction: {tool_name}({tool_args})\n"
# 执行工具
if tool_name == "finish":
return tool_args
elif tool_name == "search":
observation = search_tool(tool_args)
elif tool_name == "calculate":
observation = str(eval(tool_args))
else:
observation = f"Unknown tool: {tool_name}"
history += f"Observation: {observation}\n"
return "未能完成任务"
# 使用
result = react_agent("2026年诺贝尔物理学奖得主是谁？")
print(result)3.2 用Claude Agent SDK实现（2026推荐）
python
from claude_agent_sdk import Agent, tool
@tool
def search(query: str) -> str:
"""搜索互联网"""
return search_engine.query(query)
@tool
def calculate(expr: str) -> str:
"""计算数学表达式"""
return str(eval(expr))
# Claude Agent SDK内部就是ReAct循环
agent = Agent(
model="claude-opus-4.7",
system_prompt="你是一个使用ReAct范式的研究助手",
tools=[search, calculate],
max_iterations=10, # 限制最大循环数
)
result = agent.run("2026年诺贝尔物理学奖得主是谁？")3.3 用LangGraph实现（生产级）
python
from langgraph.prebuilt import create_react_agent
from langchain_anthropic import ChatAnthropic
llm = ChatAnthropic(model="claude-opus-4.7", temperature=0)
tools = [search_tool, calc_tool]
agent = create_react_agent(llm, tools)
result = agent.invoke({"messages": [("user", "2026年诺贝尔物理学奖得主是谁？")]})💡 2026年的代码差异 ：旧版（2024）用
gpt-4o+langchain.agents.create_react_agent，2026年主流是claude-opus-4.7+ LangGraph的create_react_agent（已迁移到langgraph包）。Hugging Face的hub.pull("hwchase17/react")老prompt已不再推荐使用。
4. ReAct vs CoT vs Act-only
| 维度 | CoT (纯推理) | Act-only (纯行动) | ReAct (推理+行动) |
|---|---|---|---|
| 推理能力 | 强 | 无 | 中强 |
| 获取外部信息 | 不能 | 能 | 能 |
| 幻觉风险 | 高 | 低 | 低 |
| 效率 | 快但不准 | 慢且盲目 | 平衡 |
| 适用场景 | 纯推理题 | 简单查询 | 需要推理+信息的复合任务 |
论文关键发现（Yao et al., 2022）：
ReAct在HotpotQA和ALFWorld上的表现优于CoT和Act-only。特别是在需要多步推理+信息检索的任务中，ReAct的优势最明显。
5. ReAct的四大硬伤 ⚠️ 2025-2026业界共识
5.1 步骤冗余 + Token膨胀
ReAct每步都要"想"一下，简单任务太慢：
Question: 1+1等于几？
Thought: 我需要计算1+1
Action: calculate(1+1)
Observation: 2
Thought: 计算完成
Final Answer: 2直接回答不好吗？对于简单问题，CoT或直接回答更高效。Token成本随步数线性增长，长任务可能消耗数十万Token。
5.2 错误难恢复 + 死循环风险
ReAct的决策完全依赖"上一步的Thought + Observation"------如果工具返回了错误或误导性结果，Agent很容易陷入死循环：
Thought: 我需要搜索X
Action: search("X")
Observation: [无关结果]
Thought: 搜索结果不对，让我重试
Action: search("X") ← 重复同样的错误！
Observation: [还是无关结果]
... 无限循环2025年研究表明：纯ReAct在长任务上有30-50%的概率走入死循环。这是Reflexion/RAF诞生的直接动力。
5.3 思考质量不稳定
LLM的"Thought"可能不准确，导致后续Action方向错误：
Thought: 我应该搜索"法国首都" ← 实际上可以直接回答
Action: search("法国首都")或者在多步推理中，前一步的错误判断会层层放大到后续步骤。
5.4 上下文窗口消耗 + Lost in the Middle
每次循环都把全部历史塞进上下文，长任务的Token可能溢出。即使不溢出，LLM在长上下文中容易"丢失中间信息"（Lost in the Middle问题），关键的早期Observation可能被忽略。
💡 Lost in the Middle：Stanford 2023年研究发现，LLM在长上下文中对开头和结尾的信息记忆好，对中间部分会"忽略"。ReAct长循环正好踩中这个雷。
6. ReAct的演进（2024-2026）
6.1 Reflexion：加自反思的ReAct ⭐
Reflexion （2023.03提出，2024-2025成熟）是ReAct的直接演进：在ReAct循环外包一层"反思学习"。
三组件架构：
┌──────────────────────────────────────────────┐
│ Loop 1: Actor (执行ReAct) │
│ Thought → Action → Observation → ... │
└──────────────────────────────────────────────┘
↓
┌──────────────────────────────────────────────┐
│ Loop 2: Evaluator (评估结果) │
│ 成功？还是失败？为什么？ │
└──────────────────────────────────────────────┘
↓ 失败
┌──────────────────────────────────────────────┐
│ Loop 3: Self-Reflection (自我反思) │
│ "我失败是因为...下次应该..." │
│ 存入Episodic Memory │
└──────────────────────────────────────────────┘
↓
重新进入Loop 1
(带着上次的反思)💡 Verbal Reinforcement（口头强化） ：Reflexion的核心创新------反思是自然语言 而不是参数更新。比如失败后生成"我应该先测试空列表再处理"，存到Episodic Memory，下次重试时把这条反思塞进Prompt。不需要训练LLM权重，只是改Prompt。
实测效果（HumanEval代码任务）：
| 方法 | Pass@1 |
|---|---|
| GPT-4 (直接回答) | 80% |
| GPT-4 + ReAct | 85% |
| GPT-4 + Reflexion | 91% |
Reflexion不是模型变强了，是元认知变强了------同样的模型，加了自反思能多对11%的题。
6.2 RAF：多层元认知架构 ⭐ 2025前沿
RAF（Reflective Agentic Framework） 是2025年最前沿的Agent架构，把Agent分成两层：
┌─────────────────────────────────────────┐
│ Reflective Layer (反思层) │
│ Tier 4: 知识重构 │
│ Tier 3: 假设生成 + 主动实验 │
│ Tier 2: 经验整合 + 外部因素 │
│ Tier 1: 后果引擎 (Pre-action governance)│
└─────────────────────────────────────────┘
↑↓
┌─────────────────────────────────────────┐
│ Base Layer (基础层) │
│ 感知 → 规划 → 行动 → 观察 │
│ (这就是ReAct/Reflexion所在的层) │
└─────────────────────────────────────────┘Tier 1后果引擎 ：在动作执行前先模拟后果，可以阻止危险操作（"伦理守护"）。
Tier 4知识重构 ：让Agent能重组自己的知识结构，产生质变学习。
RAF代表的是"内化趋势"：ReAct依赖外部Tool反馈，Reflexion把反馈内化为自我评估，RAF进一步建立专门的元认知子系统。
6.3 Anthropic Subagents：实战派的解法
Anthropic在Claude Code的实践给出了最务实的ReAct演进 ------Subagents（子Agent）：
主Agent (主上下文)
│
├── Subagent 1 (独立上下文，做搜索)
│ ↓ 只返回精炼结果
├── Subagent 2 (独立上下文，做代码分析)
│ ↓ 只返回精炼结果
└── 主Agent 整合 → 输出核心思想：把会污染主上下文的长链ReAct交给Subagent，Subagent跑完只把结论传回，主Agent的上下文保持干净。
这是生产环境唯一稳定work的多Agent模式------把昂贵的搜索/长工具链/重计算下放到隔离的子上下文。
6.4 改进方案对比
| 改进方案 | 思路 | 何时用 |
|---|---|---|
| Reflexion | 加自反思+Episodic Memory | 有评估信号的任务（代码/数学） |
| RAF | 多层元认知 | 高风险/复杂决策 |
| Anthropic Subagents | 子Agent隔离上下文 | 长任务+多并发 |
| LATS | 树搜索+ReAct，探索多条路径 | 高质量优先 |
| ReAct+RAG | 用RAG替代搜索，提高信息质量 | 知识密集型 |
| 自适应ReAct | 简单问题跳过推理 | 成本敏感场景 |
| Plan-then-Execute | 先全局规划再执行 | Web Agent等可预定义场景 |
7. 何时不该用ReAct ⚠️ 2026 Anthropic指引
Anthropic 2024.12发布的《Building Effective Agents》给出了清晰指引------ReAct不是默认方案。
7.1 ReAct不需要的场景
| 场景 | 替代方案 | 原因 |
|---|---|---|
| 直接事实问答 | 直接回答 | 不需要工具 |
| 单步推理任务 | CoT | ReAct的循环是浪费 |
| 路径明确的任务 | Workflow | 用预定义流程更可控 |
| 简单工具调用 | 直接Tool Use | 不需要Thought循环 |
| 需要长程规划 | Plan-then-Execute | 全局视角更优 |
7.2 ReAct最适合的场景
-
信息需要逐步获取才能决定下一步
-
策略需要根据中间结果动态调整
-
工具调用次数无法预知
适合ReAct: "调研竞品的产品策略并给出对比报告"
不适合ReAct: "把这段中文翻译成英文"
7.3 决策树
你的任务...
├── 不需要工具？→ 直接回答
├── 需要工具但路径明确？→ Workflow / Prompt Chaining
├── 需要全局规划？→ Plan-then-Execute
├── 需要动态决策 + 容易出错？→ Reflexion (ReAct + 反思)
├── 需要并行隔离上下文？→ Anthropic Subagents
└── 需要逐步探索 + 工具反馈足够好？→ ReAct ✅8. 面试高频问题
Q1：ReAct和CoT的本质区别？
CoT只"想"不"做"，推理在模型内部完成；ReAct"边想边做"，推理和行动交替进行，能获取外部信息。ReAct = CoT + 工具循环。
Q2：ReAct什么时候不如CoT？
(1) 不需要外部信息的纯推理任务（如数学证明）；(2) 简单问题，ReAct的额外步骤是浪费；(3) 工具不可靠时，外部信息反而引入噪声。
Q3：ReAct的四大硬伤是什么？
(1) 步骤冗余 + Token膨胀；(2) 错误难恢复 + 死循环风险（30-50%概率）；(3) 思考质量不稳定；(4) 上下文窗口消耗 + Lost in the Middle。
Q4：Reflexion比ReAct强在哪？
Reflexion在ReAct外包了"评估+反思+记忆"循环。失败后生成自然语言反思，存入Episodic Memory，下次重试时带着教训。HumanEval上从GPT-4的80% pass@1提升到91%------没改模型，只改控制结构。
Q5：Anthropic Subagents和Multi-Agent的区别？
Multi-Agent是平等协作的多个Agent；Subagents是主从架构 ------主Agent调度子Agent，子Agent有独立上下文，跑完只把结论传回。Subagents是生产唯一稳定work的多Agent模式，因为它解决了"上下文污染"这个核心问题。
Q6：什么时候不该用ReAct？
(1) 直接事实问答；(2) 单步推理任务；(3) 路径明确的Workflow场景；(4) 简单的单次工具调用。Anthropic的建议是：能用Workflow解决的不要用Agent，能用直接回答的不要用ReAct。
总结
| 要点 | 说明 |
|---|---|
| 核心 | Thought-Action-Observation循环 |
| 优势 | 推理+行动协同，减少幻觉 |
| 四大硬伤 | 冗余 / 死循环 / 思考不稳 / 上下文膨胀 |
| 适用 | 需要推理+信息检索+动态决策的复合任务 |
| 演进 | Reflexion / RAF / Subagents / LATS |
| 不适用 | 单步任务 / 路径明确 / 长程规划 |
ReAct是Agent推理范式的起点 ，但不是终点。2025-2026的Agent工程已经从"纯ReAct"进化到"ReAct+反思+元认知+子Agent隔离"的混合架构。理解ReAct的硬伤，才能正确选择何时用它、何时用替代方案------这是2026年Agent工程师的必备认知。
路易乔布斯 © 2026 | AI Agent & RAG学习计划 · 模块01-Agent · 第二篇
参考文献：
- Yao et al., "ReAct: Synergizing Reasoning and Acting in Language Models", 2022
- Shinn et al., "Reflexion: Language Agents with Verbal Reinforcement Learning", 2023
- Anthropic, "Building Effective Agents", 2024.12
- "Reflective Agentic Framework (RAF)", 2025