ReAct：推理与行动循环

来源、课程身份与适用边界

“ReAct：推理与行动循环”以Anthropic 公开全文《Building effective agents》建立工程总纲，并用ReAct 原始论文核对本章机制。

这不是一本名为《AI Agent 开发实战》的官方出版物，也不存在官方十四章目录。平台把公开工程文章、官方开发文档和原始论文重组为 14 个工程单元；下列 112 个节点是站内课程地图。正文、代码、图表、实验与练习均为独立教学重写，模型、API、协议或安全边界变化时必须重新验证。

本单元的八个工程坐标

• ReAct：推理与行动循环：这是“把决策、行动与环境观察交错成可追踪循环，并避免暴露或依赖不可验证的私密推理”的第 1 个工程坐标；必须进入机制解释、运行轨迹或故障证据，不能只停在目录。
• 小特办事，是边想边查边调整的：这是“把决策、行动与环境观察交错成可追踪循环，并避免暴露或依赖不可验证的私密推理”的第 2 个工程坐标；必须进入机制解释、运行轨迹或故障证据，不能只停在目录。
• ReAct：把「想」和「干」拧成一股绳：这是“把决策、行动与环境观察交错成可追踪循环，并避免暴露或依赖不可验证的私密推理”的第 3 个工程坐标；必须进入机制解释、运行轨迹或故障证据，不能只停在目录。
• Thought：把「我现在在想什么」写出来：这是“把决策、行动与环境观察交错成可追踪循环，并避免暴露或依赖不可验证的私密推理”的第 4 个工程坐标；必须进入机制解释、运行轨迹或故障证据，不能只停在目录。
• Action 与 Observation：一个去做，一个把结果带回来：这是“把决策、行动与环境观察交错成可追踪循环，并避免暴露或依赖不可验证的私密推理”的第 5 个工程坐标；必须进入机制解释、运行轨迹或故障证据，不能只停在目录。
• ReAct vs 纯 CoT：一个去查，一个瞎猜：这是“把决策、行动与环境观察交错成可追踪循环，并避免暴露或依赖不可验证的私密推理”的第 6 个工程坐标；必须进入机制解释、运行轨迹或故障证据，不能只停在目录。
• 动手一：拆开一轮 ReAct，看清谁写的、谁填的：这是“把决策、行动与环境观察交错成可追踪循环，并避免暴露或依赖不可验证的私密推理”的第 7 个工程坐标；必须进入机制解释、运行轨迹或故障证据，不能只停在目录。
• 动手二：同一个问题，ReAct 怎么把纯 CoT 比下去：这是“把决策、行动与环境观察交错成可追踪循环，并避免暴露或依赖不可验证的私密推理”的第 8 个工程坐标；必须进入机制解释、运行轨迹或故障证据，不能只停在目录。

术语与运行合同

ReAct、Action、Observation、状态摘要、循环预算。

本页不变量是：下一步只依据任务状态、允许的动作和真实 observation 更新，调用与结果严格配对。任何“成功”结论都要保存状态摘要、action、参数、tool_use_id、observation、错误、下一步与停止原因；模型自评、最终措辞和单次 demo 都不能替代环境事实。

工程机制与反证实验

行动把推理接到环境

纯文本推演无法取得新事实，工具调用让系统能查询、执行和纠错。

动手验证：切断工具后比较回答是否仍错误声称取得外部事实。

观察必须改变状态

空结果、错误与拒绝都是信息，不能被吞掉后继续旧计划。

动手验证：返回 permission_denied，检查下一步是否转人工。

调用结果按标识配对

并行工具完成顺序不稳定，数组位置会导致观察串线。

动手验证：反转结果顺序，确认状态摘要仍正确。

可观测摘要优于泄露私密推理

工程系统需要决策依据、动作和证据，不应依赖展示未必可靠的隐藏思维链。

动手验证：只保留状态摘要与外部事件，确认仍能复盘首错。

从架构到故障重放

最小可运行切片

while (budget.remaining()) {
  const decision = await decide({ goal, state, allowedTools });
  if (decision.kind === "final") return verifyFinal(decision, state);
  const observation = await executeAuthorized(decision.action);
  state = reduceState(state, {
    actionId: decision.id,
    observation,
  });
}
return blocked("budget");

切片只表达“把决策、行动与环境观察交错成可追踪循环，并避免暴露或依赖不可验证的私密推理”的核心合同。生产实现还要补齐持久化、超时、密钥隔离、结构化日志、幂等和批量评测；如果不能重新取得状态摘要、action、参数、tool_use_id、observation、错误、下一步与停止原因，代码跑通也不能证明机制正确。

练习与答案

本章回顾

• “ReAct：推理与行动循环”解决的是把决策、行动与环境观察交错成可追踪循环，并避免暴露或依赖不可验证的私密推理。
• 核心不变量是下一步只依据任务状态、允许的动作和真实 observation 更新，调用与结果严格配对。
• 首要反例是工具失败后模型忽略 observation，继续沿旧计划重复相同副作用。
• 最小证据包包含状态摘要、action、参数、tool_use_id、observation、错误、下一步与停止原因。

阅读导航

← 提示工程与角色设定 · 工具调用 Tool Calling →