ReAct 循环

把决策摘要、工具行动、环境观察与停止判定组织成受控循环，不要求暴露模型隐藏思维过程。

学习目标

能解释“ReAct 循环”如何让每轮行动由新观察推进，并以可判定停止条件收束
能区分ReAct、决策摘要、Action、Observation、Final Answer，并指出它们在请求、状态或执行边界中的位置
能固定输入，沿以下证据定位首个分叉：轮次、决策摘要、Action、调用 id、Observation、预算变化、完成判定与人工审批
能注入“模型伪造 Observation 或在必要验证前输出 Final Answer”，在同一预算和权限下完成故障、恢复与重放

来源、课程编排与适用边界

“ReAct 循环”以Anthropic 公开全文《Building effective agents》为总纲，并用ReAct 原始论文核对本单元机制；工具与外部能力的角色再由MCP 官方规范交叉检查。

这不是一本具有“官方九章目录”的纸质书。平台把公开文章中的 augmented LLM、工作流、智能体、上下文和工具工程重组为 9 个教学单元；下列 72 个节点是站内课程地图，不冒充 Anthropic 原文目录。正文、代码、图表和练习均为独立教学重写，产品或模型版本变化时应重新验证。

本单元的八个课程坐标

ReAct 循环：作为“让每轮行动由新观察推进，并以可判定停止条件收束”的第 1 个课程坐标，必须进入正文解释、交互观察或练习证据。
决策摘要：作为“让每轮行动由新观察推进，并以可判定停止条件收束”的第 2 个课程坐标，必须进入正文解释、交互观察或练习证据。
Action：作为“让每轮行动由新观察推进，并以可判定停止条件收束”的第 3 个课程坐标，必须进入正文解释、交互观察或练习证据。
Observation：作为“让每轮行动由新观察推进，并以可判定停止条件收束”的第 4 个课程坐标，必须进入正文解释、交互观察或练习证据。
Final Answer：作为“让每轮行动由新观察推进，并以可判定停止条件收束”的第 5 个课程坐标，必须进入正文解释、交互观察或练习证据。
环境反馈：作为“让每轮行动由新观察推进，并以可判定停止条件收束”的第 6 个课程坐标，必须进入正文解释、交互观察或练习证据。
循环预算：作为“让每轮行动由新观察推进，并以可判定停止条件收束”的第 7 个课程坐标，必须进入正文解释、交互观察或练习证据。
人工检查点：作为“让每轮行动由新观察推进，并以可判定停止条件收束”的第 8 个课程坐标，必须进入正文解释、交互观察或练习证据。

术语与状态合同

、、、、。

本页不变量是：每轮 Action 都能指出所依据的 Observation，最终回答满足成功标准或明确阻塞。任何“成功”结论都要保存以下证据：轮次、决策摘要、Action、调用 id、Observation、预算变化、完成判定与人工审批，不能把模型口头确认当作环境事实。

关键机制与可推翻实验

ReAct 交替推理与行动

经典 ReAct 把任务推理与环境行动交错，使新观察能够纠正后续路径。工程实现关注可审计决策和动作，不需要向用户暴露隐藏 chain-of-thought。

动手试：保存短决策摘要、工具请求和观察，确认复核人能解释下一步依据。

Observation 必须来自环境

模型自行编写的“搜索结果”不是观察。运行时只有在工具真正完成后才把结构化结果加入下一轮上下文。

动手试：阻断网络工具，确认观察记录为失败而不是生成一段伪结果。

Final Answer 是受条件保护的分支

最终回答必须满足成功标准或清楚声明阻塞；模型仅输出 final 字样不能越过必要工具、测试或人工审批。

动手试：让模型提前结束，检查运行时的完成判定是否拒绝。

循环同时受预算与人工检查点控制

最大轮数、token、工具费用、不可逆操作审批和重复调用检测共同防止失控。恢复策略要区分可重试与需要用户输入的阻塞。

动手试：注入重复 action，确认检测器停止循环并保留完整轨迹。

先预测，再操作三类证据

分步1 / 3

1. 模型与结构边界

在“ReAct 循环”中先画出责任、数据或候选空间，再预测“让每轮行动由新观察推进，并以可判定停止条件收束”会在哪个节点改变结果。

可交互

第 1 / 6 步 · 0 用户把任务塞进小屋：帮我订明早会议室。

关键不是多一次函数调用，而是每次拿到 Observation 后重新思考下一步。

ReAct 把「想」和「做」交替起来：模型负责 Thought / Action / Final Answer，运行时负责真正执行工具并回灌 Observation。

最小可运行实现

def run(task, runtime, max_turns=8):
    trace = []
    for turn in range(max_turns):
        decision = runtime.decide(task, trace)
        if decision.kind == "final":
            if runtime.success_criteria_met(task, trace):
                return {"status": "done", "answer": decision.answer, "trace": trace}
            return {"status": "blocked", "reason": "premature_final", "trace": trace}
        observation = runtime.execute(decision.action)
        trace.append({"summary": decision.summary, "action": decision.action,
                      "observation": observation})
    return {"status": "blocked", "reason": "turn_budget", "trace": trace}

这段实现只负责暴露“让每轮行动由新观察推进，并以可判定停止条件收束”的最小合同。交付版本还要补齐超时、日志、权限、密钥隔离和可重复评测；缺少以下证据时，代码能运行也不代表本章结论成立：轮次、决策摘要、Action、调用 id、Observation、预算变化、完成判定与人工审批。

练习与答案

练习

问题 1：系统边界。 怎样用最小输入证明“每轮 Action 都能指出所依据的 Observation，最终回答满足成功标准或明确阻塞”？

问题 2：课程坐标。 ReAct 循环、决策摘要、Action、Observation、Final Answer、环境反馈、循环预算、人工检查点如何进入可操作验证？

问题 3：故障恢复。 怎样证明“模型伪造 Observation 或在必要验证前输出 Final Answer”已经修复？

本章回顾

“ReAct 循环”的主问题是让每轮行动由新观察推进，并以可判定停止条件收束。
核心不变量是每轮 Action 都能指出所依据的 Observation，最终回答满足成功标准或明确阻塞。
首要反例是模型伪造 Observation 或在必要验证前输出 Final Answer。
最小证据包包含轮次、决策摘要、Action、调用 id、Observation、预算变化、完成判定与人工审批。

名词解释

本章出现的专业名词，用大白话再讲一遍。

ReAct: 把任务推理与环境行动交错组织的智能体方法。在“ReAct 循环”中必须能按以下证据重新定位：轮次、决策摘要、Action、调用 id、Observation、预算变化、完成判定与人工审批。
决策摘要: 可审计但不要求暴露隐藏思维过程的下一步理由。在“ReAct 循环”中必须能按以下证据重新定位：轮次、决策摘要、Action、调用 id、Observation、预算变化、完成判定与人工审批。
Action: 模型提出并由运行时审核的工具行动。在“ReAct 循环”中必须能按以下证据重新定位：轮次、决策摘要、Action、调用 id、Observation、预算变化、完成判定与人工审批。
Observation: 工具或环境返回的结构化事实。在“ReAct 循环”中必须能按以下证据重新定位：轮次、决策摘要、Action、调用 id、Observation、预算变化、完成判定与人工审批。
Final Answer: 满足完成或阻塞合同后产生的终止输出。在“ReAct 循环”中必须能按以下证据重新定位：轮次、决策摘要、Action、调用 id、Observation、预算变化、完成判定与人工审批。

阅读导航

← 函数调用原理 · 工具设计与安全执行 →