03 · ReAct 与规划：边想边做

学完你能说出：

• ReAct 的格式：Thought（思考）→ Action（行动）→ Observation（观察），循环往复。
• 为什么「先想再做」比「直接做」好，为什么「边做边看结果」比「只想不做」好。
• 另一种思路「先规划再执行」（Plan-and-Execute）和 ReAct 的区别。

先看地图

前两篇讲了 Agent 的组成和单次工具调用。这一篇讲多步任务里，模型怎么一步步推进。

本篇讲 4 个点：① ReAct 是什么 → ② 一个多步任务的完整记录 → ③ 为什么这么设计 → ④ 先规划再执行。

一句话本质

ReAct = 让模型每一步先写下「我在想什么」，再决定「做什么」，看到结果后再想下一步。 名字来自 Reasoning（推理）+ Acting（行动）。

生活类比：侦探破案

• 只推理不调查的侦探：坐在家里空想，很容易想错（只想不做）。
• 只调查不推理的侦探：到处乱问，不知道自己在找什么（只做不想）。
• 好侦探：「凶手可能是左撇子 → 去查谁是左撇子 → 发现管家是 → 那再查管家当晚在哪……」想和做交替推进，每一步的发现都会修正下一步的想法。

一步步看：「《三体》作者今年多大？」

可用工具：search(query) 搜索、calculator(expr) 计算。

Thought 1:  要知道作者年龄，先得知道作者是谁、哪年出生。
Action 1:   search("《三体》 作者")
Observation 1: 《三体》的作者是刘慈欣。

Thought 2:  再查刘慈欣的出生年份。
Action 2:   search("刘慈欣 出生年份")
Observation 2: 刘慈欣，1963 年出生。

Thought 3:  今年是 2026 年，算一下 2026 − 1963。
Action 3:   calculator("2026 - 1963")
Observation 3: 63

Thought 4:  信息齐了，可以回答。
Final Answer: 《三体》的作者是刘慈欣，1963 年出生，今年（2026 年）63 岁（生日没过的话是 62 岁）。

注意第 2 步：「查出生年份」这个动作，是看到第 1 步的结果后才决定的。提前写死流程做不到这一点。

为什么这么设计

为什么要先写 Thought（思考），而不是直接行动？

• 问题：模型直接输出行动，容易「想当然」：调错工具、漏掉步骤。
• 方案：每次行动前，先把推理写出来（类似第 04 篇讲的思维链）。
• 好处：写出来的推理成为后续生成的上下文，行动更有针对性；开发者也能看到它「为什么这么做」，方便调试。

一句话答法

先写思考相当于打草稿，让行动有依据、更准确；同时推理过程可见，出错时容易定位原因。

为什么要交替进行，而不是先全部想完再做？

• 问题：很多信息只有执行之后才知道。不知道作者是谁，就没法提前决定「查谁的出生年份」。
• 方案：想一步、做一步、看结果，再想下一步。
• 好处：能根据真实结果随时调整，减少凭空推理带来的幻觉。

一句话答法

因为后续步骤往往依赖前一步的结果，交替进行能用真实观察修正推理，比一次性想完更准确，也更少幻觉。

怎么知道该停下来？

• 问题：模型可能一直查下去，或在两个动作之间打转。
• 方案：三重保险：① 模型判断信息够了，输出最终答案；② 最大轮数限制；③ 检测重复调用（同样的工具、同样的参数连续出现）。
• 好处：不会死循环，成本可控。

一句话答法

由模型判断完成并输出最终答案，同时程序设置最大轮数和重复检测兜底。

另一种思路：先规划，再执行

Plan-and-Execute（规划-执行）：先让模型列出完整计划，再一步步执行，必要时修改计划。

计划：① 搜索三体作者  ② 搜索作者出生年份  ③ 计算年龄
执行：按步骤做 → 某一步结果出乎意料 → 回头修改计划

	ReAct	先规划再执行
怎么推进	走一步看一步	先列全盘计划，再按计划做
适合	步骤少、不确定性高的任务	步骤多、结构清晰的任务
优点	灵活，随时调整	全局视角好，不容易跑偏
缺点	长任务容易迷失方向	计划可能不符合实际，要能重新规划

英文术语拆解

术语	拆开看	一句话意思
ReAct	Reasoning 推理 + Acting 行动	推理和行动交替进行的 Agent 模式（2022 年提出）
Thought	思考	模型写下的推理过程
Action	行动	调用某个工具
Observation	观察	工具返回的结果
Final Answer	final 最终 + answer 答案	任务完成后的最终输出
Plan-and-Execute	plan 计划 + execute 执行	先规划再执行的 Agent 模式
Replanning	re 重新 + planning 规划	根据执行情况修改计划

面试怎么问

Q：介绍一下 ReAct。

ReAct 让模型交替输出推理（Thought）和行动（Action）：先推理下一步需要什么，再调用工具，拿到观察结果（Observation）后继续推理，直到得出最终答案。它把思维链的推理能力和工具调用结合起来：推理指导行动，行动的结果又修正推理，比只推理更少幻觉，比只行动更有方向。

Q：ReAct 和 Plan-and-Execute 有什么区别？

ReAct 是逐步决策，每一步都根据最新观察决定下一步，灵活但长任务容易偏离目标；Plan-and-Execute 先生成全局计划再执行，适合步骤多、结构清晰的任务，但需要在执行偏离预期时重新规划。

Q：Agent 陷入循环怎么办？

设置最大迭代次数；检测重复的工具调用；在提示里要求信息足够时立即给出答案；循环被中断时，返回已有的部分结果和失败原因。

容易混的地方

• ReAct ≠ React（前端框架）：名字撞了，完全无关。
• Thought 不一定展示给用户：它主要给模型自己和开发者看。很多产品只展示最终答案。
• 现在很多模型原生支持工具调用：不一定要严格按「Thought: / Action:」这种文本格式写，但「推理 → 行动 → 观察」的循环思想是一样的。

和其他知识的连接

• ← 来自 Prompt 与采样参数：Thought 就是思维链（CoT）用在 Agent 里。
• ← 来自 工具调用：每个 Action 就是一次工具调用。
• → 影响 记忆与 MCP：步骤一多，历史越来越长，就需要记忆管理。
• 原论文：Yao 等人，ReAct: Synergizing Reasoning and Acting in Language Models（2022）。你的 E:\Desktop\1\local_materials 里有这篇 PDF。

自测 3 问

Q1：ReAct 的三个环节是什么？用侦探类比说一下。

点开看答案

Thought（思考）→ Action（行动）→ Observation（观察），循环往复。像好侦探：先推理「可能是左撇子」，再去调查，看到调查结果后修正推理，再决定下一步查什么。

Q2：为什么不让模型一次把所有步骤都想好再执行？

点开看答案

后面的步骤往往依赖前面的结果：不知道作者是谁，就没法决定查谁的出生年份。交替进行能用真实结果修正推理，更准确，也更少幻觉。

Q3：Agent 怎么避免停不下来？

点开看答案

① 模型判断信息够了就输出最终答案；② 程序设置最大轮数；③ 检测重复的工具调用，出现就中断并返回原因。

✅ 验收清单

• 能写出「三体作者年龄」例子的 Thought / Action / Observation 记录
• 能讲清「先想再做」和「交替进行」各自解决什么问题（问题 → 方案 → 好处）
• 能说出 Agent 停止的三重保险
• 能对比 ReAct 和 Plan-and-Execute，各说出一个适合的场景
• 能说出 ReAct 名字的来历

下一步该懂什么

• 步骤一多，对话历史越来越长，Agent 怎么「记住」重要的事？外部工具那么多，怎么统一接入？→ 记忆与 MCP