拆解ReAct：让AI智能体学会“三思而后行”

一、大模型的局限性

近几年，大语言模型（Large Language Model，LLM）取得了巨大的成功。无论是问答、翻译、代码生成还是内容创作，大模型都展现出了惊人的能力。但即便如此，大模型依然存在一个天然的局限：

它只能基于训练数据和输入内容进行推理，而无法主动感知外部环境。

例如：

• 今天上海天气怎么样？
• 当前股票价格是多少？
• 数据库里有多少订单？
• 某个接口是否正常运行？

对于这些问题，大模型本身并不知道答案。因为大模型实际上是一个概率预测模型，它只能根据已有知识生成最可能的文本，而无法直接访问：

• 网络
• 数据库
• 文件系统
• 企业内部系统
• 第三方 API

换句话说：

大模型拥有强大的"大脑"，但没有"眼睛"和"手"。

它能够思考，却无法主动获取信息，也无法执行实际操作。

二、什么是 Agent

既然大模型无法直接感知和操作外部世界，那么一个自然的想法就是：

给大模型配上一系列工具（Tools）。

例如：

• 搜索引擎
• 数据库查询工具
• 文件读取工具
• 邮件发送工具
• 天气查询工具
• 代码执行工具

当大模型需要某种能力时，可以调用对应工具完成任务。

这类能够自主规划并调用工具完成任务的智能程序，被称为：Agent（智能体）

简单来说：Agent = 具备推理能力的大模型 + 可执行操作的工具集合

Agent不仅能够回答问题，还能够：

• 获取外部信息
• 执行具体操作
• 根据结果继续推理
• 最终完成复杂任务

例如用户说：

"帮我查询今天北京天气并生成一份出行建议。"

Agent会：

1. 调用天气工具
2. 获取天气数据
3. 分析天气情况
4. 生成出行建议
5. 返回结果

整个过程不需要人工干预。

三、Agent 的种类(按应用场景分)

随着 Agent 技术的发展，逐渐出现了多种不同类型。

1. 编程 Agent（Coding Agent）

帮助开发软件和编写代码。

能力：

• 编写代码
• 修复 Bug
• 自动测试
• 代码重构
• 项目开发

典型产品：

• Codex
• Claude Code
• 通义灵码
• 豆包 MarsCode

2. 图片 Agent（Image Agent）

负责生成和编辑图片。

能力：

• AI 绘画
• 海报设计
• 图片编辑
• 商品图生成
• Logo 设计

典型产品：

• 即梦AI
• 可灵AI
• 通义万相
• 文心一格

3. 视频 Agent（Video Agent）

负责视频生成和视频编辑。

能力：

• 文生视频
• 图生视频
• 数字人视频
• 自动剪辑
• 自动配音

典型产品：

• 可灵AI
• 即梦AI
• Vidu
• 腾讯智影

4. 办公 Agent（Office Agent）

帮助完成日常办公工作。

能力：

• 写文档
• 写邮件
• 会议纪要
• PPT 制作
• 数据整理

典型产品：

• WPS AI
• 钉钉AI助理
• 飞书智能伙伴

四、Agent 的运行模式

大多数 Agent 都遵循一个循环：

用户任务
    ↓
思考
    ↓
选择工具
    ↓
执行工具
    ↓
获得结果
    ↓
继续思考
    ↓
任务完成

不断循环，直到得到最终答案。这也是现代 Agent 的核心思想。

五、ReAct 的概念

ReAct 是目前最经典的 Agent 设计模式之一。

ReAct 全称：Reasoning And Acting

即：边思考（Reasoning），边行动（Acting）。

在 ReAct 出现之前：

• CoT（Chain of Thought）只负责推理
• Tool Calling 只负责调用工具

两者是分离的。

而 ReAct 将二者结合起来。

Agent 在推理过程中可以随时调用工具。

ReAct 的四个阶段

1. Thought（思考）

分析当前问题。

用户提问：北京今天的天气。
大模型思考：我需要先调用工具查询天气信息。

2. Action（行动）

大模型决定调用哪个工具。

3. Observation（观察）

大模型获取工具返回结果。

例如：

晴天、25℃、东南风

4. Final Answer（最终回答）

根据观察结果生成最终答案。

例如：

北京今天晴天，25℃，
适合户外活动，建议做好防晒。

六、ReAct实现原理

实现 ReAct 本质上并不复杂。其核心思想：让大模型输出固定格式的推理过程。

例子

需求：将查询出来的天气写入到本地磁盘。这个需求需要用到两个工具

1. 查询天气
2. 将天气结果写入本地

React 提示词

# 职责描述

你是一个具备自主推理与工具调用能力的智能助手。

你的目标是分析用户需求，并通过多轮思考（Thought）和工具调用（Action）逐步获取完成任务所需的信息，最终给出准确的答案。

对于复杂任务，你可以将其拆分为多个步骤。

在每一个步骤中：

1. 首先分析当前已知信息和待解决问题
2. 使用 `<thought>` 输出你的思考过程
3. 使用 `<action>` 调用最合适的工具
4. 等待工具返回结果
5. 工具执行结果会通过 `<observation>` 返回
6. 根据 <observation> 继续思考下一步行动
7. 当已经拥有足够信息时，输出 `<final_answer>` 并结束任务

---

# 工作规则
- <task>标签必须用户提供
- 你每次回答需要包含两个标签：第一个是<thought>，第二个是<action>或者<final_answer>
- 输出<action>后立即停止生成，等待<observation>,擅自生成<observation>将导致错误

---

# 可用工具列表
1. get_weather(city_name): 根据城市名称查询城市添加
2. write_file(path,content): 写入本地磁盘,将content写入path
---
# 当前系统的环境
1. 系统：windows11 
2. 当前目录：D:/test
---
# 示例1：订单查询
```text
<task>
查询订单10086当前状态
</task>
<thought>
用户希望查询订单状态，需要调用订单查询工具。
</thought>
<action>
get_order_status('10086')
</action>
<observation>订单号为：10086的订单已经发货</observation>
<thought>
get_order_status返回结果为已发货
</thought>
<final_answer>
订单10086已经发货
</final_answer>

查询北京的今天天气，并且把查询结果写入到本地

``

使用ChatGPT测试

可以看出ReAct的本质其实还是提示词工程

七、总结

大模型拥有强大的推理能力，但无法直接感知和操作外部世界。Agent 通过为大模型提供工具能力，使其能够获取信息、执行操作并完成复杂任务。而 ReAct 则是 Agent 领域最经典的设计模式，它通过「Thought → Action → Observation → Final Answer」的循环，让大模型实现边思考边行动。理解 ReAct 后，你会发现大部分 Agent 框架虽然实现方式不同，但核心思想几乎都源于这一模式。