ReAct 推理—行动循环

在推理与行动之间交替推进，让下一步使用刚获得的外部观察。

应用背景

客服 Agent 收到“为什么这个订单还没到”时，第一步可以查询订单。若结果显示包裹尚未出库，下一步应读取仓库状态；若已经交给承运商，则应查询物流轨迹。后续动作取决于刚拿到的观察，事先很难写成一条固定链。

ReAct 让语言模型交替产生推理和任务动作。动作作用于知识库、工具或外部环境，环境返回观察，模型再据此更新判断和后续行动。原始论文关注推理轨迹与行动的交错；生产系统通常保存结构化的决策摘要、动作和观察，不依赖暴露模型的隐藏思维过程。

request
  → decide next action
  → call one tool
  → receive typed observation
  → decide again
  → stop, escalate, or act

每轮都要带同一个任务标识，并记录动作、参数来源、观察类型和停止原因。Harness 控制最大轮次、token 与工具预算、允许调用的工具、错误返回格式和人工接管条件。观察结果应先通过 schema 校验，再进入下一轮；工具报错不能被改写成“没有结果”。

ReAct 在每次观察后重新调用模型，适合需要持续判断的开放路径。程序化工具调用先生成一段局部程序，再由程序循环、并行或筛选已注册工具。CodeAct 的行动空间更宽，允许可执行代码直接承担计算、库调用和工具组合。三者可以嵌套，例如 ReAct 某一轮选择运行一段程序化工具调用。

步骤和依赖已经稳定时，任务 DAG 或 A2 规划执行通常更容易测试和恢复。ReAct 适合保留必要的运行时判断，不宜承载不可逆动作的全部顺序、权限和验收规则。