ReAct Loop 循环

返回 Agent 开发笔记合集

1、定义

ReAct 是 Reasoning and Acting 的缩写，指模型在“推理”和“行动”之间循环：先根据当前状态分析下一步，再选择动作，拿到结果后继续判断。

在 Agent 系统里，这种循环通常表现为：模型读上下文，决定是否调用工具，系统执行工具，把观察结果放回上下文，模型再继续生成。

一个简化结构是：

Thought -> Action -> Observation -> Thought -> Action -> Observation -> ...

也就是边想、边做、边看反馈。

2、为什么它重要

单次回答适合简单问题，但很多任务需要多步反馈：搜索资料、调试代码、分析日志、生成计划、调用工具、检查结果。

ReAct Loop 让 Agent 能根据工具返回结果调整下一步，而不是一开始就把所有答案猜完。

它也是很多 coding agent 的基础模式。比如修 bug 时，Agent 会先读错误，再查代码，再修改，再跑测试，再根据新错误继续修。

3、一个典型流程

1. 观察当前任务和上下文
2. 推理下一步应该做什么
3. 选择工具或生成动作
4. 系统执行动作
5. 读取 observation
6. 判断是否完成
7. 未完成则继续循环

在真实系统里，Thought 不一定会暴露给用户。系统更关心的是 action、observation、状态变化和最终结果。

4、和 Chain-of-Thought 的区别

Chain-of-Thought 更偏“怎么想”，ReAct 更偏“想完以后怎么行动，并根据行动结果继续想”。

ReAct 不等于把思考过程全部展示出来。工程上更重要的是让每一步动作可执行、可验证、可停止。

5、一个 Agent 开发例子

修复测试失败时，ReAct 可能长这样：

Observation：测试 user-profile.test.ts 失败，提示 expected name to equal "Alice"。
Action：读取测试文件和相关实现。
Observation：实现里把 displayName 回退成 email。
Action：修改 fallback 逻辑。
Observation：重新跑测试，当前测试通过，但 lint 报类型错误。
Action：修复类型错误。
Observation：测试和 lint 都通过。
Final：总结修改和验证结果。

这个过程不是一次性猜答案，而是根据每次反馈逐步逼近正确结果。

6、常见误区

误区一：ReAct 可以无限循环直到成功

不能。必须有最大步数、超时、成本预算和失败升级策略。否则会无限调用工具或反复修同一个错误。

误区二：Observation 只要给自然语言就够了

不一定。工具返回最好尽量结构化，比如退出码、错误类型、文件路径、行号和关键日志。

误区三：ReAct 本身能保证正确

不能。ReAct 只是执行模式，正确性仍然依赖工具质量、上下文、验证器、权限和停止条件。

误区四：所有任务都需要 ReAct

简单分类、固定格式转换、短文本改写不一定需要复杂循环。循环适合需要外部反馈的多步任务。

7、一句话总结

ReAct Loop 让 Agent 在推理、行动和观察之间循环前进。它解决的是“下一步怎么根据反馈行动”，不是整个系统如何触发、验证和治理。

参考资料

• ReAct: Synergizing Reasoning and Acting in Language Models
• Anthropic: Building effective agents