ReAct = Reasoning + Acting，即让模型交替进行推理和行动：
text
Thought → Action → Observation → Thought → ...- Thought：分析问题、制定或调整计划。
- Action：搜索资料、操作网页或环境。
- Observation：外部环境返回的结果。
"Re"指 Reasoning ；ReAct 同时借用了英文 react，强调根据反馈调整行为。
三种策略
| 策略 | 特点 | 主要问题 |
|---|---|---|
| CoT | 只进行显式推理，不调用外部环境 | 容易基于错误知识产生幻觉 |
| Act-only | 不输出显式推理，直接执行动作 | 缺乏规划，容易重复或走错方向 |
| ReAct | 推理、行动和观察交替 | 依赖检索质量，可能被搜索结果带偏或陷入循环 |
Act-only 并不意味着模型内部完全没有计算，只是轨迹中不生成显式的自然语言推理。
为什么与 CoT 对比？
因为论文想比较：
- 只推理：CoT
- 只行动：Act
- 推理与行动结合：ReAct
由此判断 Reasoning 和 Acting 各自的作用。
ReAct 不一定优于 CoT
在论文实验中：
- FEVER 重视事实准确性，ReAct 优于 CoT；
- HotpotQA 重视灵活的多跳推理，ReAct 略逊于 CoT。
原因是 ReAct 虽然能通过检索减少幻觉，但也增加了新的失败点：
- 搜索词不准确；
- 检索结果无效；
- 固定的"思考---行动"结构限制推理自由；
- 重复搜索或陷入行动循环。
因此二者存在权衡：
CoT 推理更灵活，但容易产生事实幻觉；ReAct 更有事实依据，但依赖检索和行动质量。
论文中效果最好的是混合策略：内部知识可靠时使用 CoT，不确定或需要事实验证时切换到 ReAct。
核心结论：ReAct 不是取代 CoT，而是让内部推理与外部信息互补。