从 CoT 到 ReAct：AI Agent 是怎么“长出来”的

《AI 知识卡片》第 07 期 · Agent 不是魔法，是一步步演化来的

现在满世界都在聊“AI Agent”，听起来玄乎。但它其实不是凭空冒出来的黑科技，而是从一个特别朴素的想法，一步步长出来的。搞懂这条演化线，你就搞懂了 Agent 的本质。

CoT：让 AI 学会“想”

最早，大家发现让 AI 直接答难题容易出错，于是有了思维链（Chain of Thought，CoT）：让它别急着给答案，先把思考过程一步步写出来，再下结论。

就像做数学题打草稿——把中间步骤摊开，正确率立刻上一个台阶。

但 CoT 有个特点：它全程只在“脑子里”想。信息全靠模型自己的记忆，记错了、不知道的，它就只能硬编，也就是幻觉。它会“想”，但不会“查”、不会“做”。

ReAct：让 AI 学会“边想边做”

光想不够，得能动手。于是有了ReAct——名字就是Reason（推理）+ Act（行动）的合体。它的套路是一个循环：

如上图，想 → 做 → 看 → 再想，循环往复，直到把问题解决。

这一步是质变：AI 不再是闭卷考试凭记忆答题，而是变成了一个能查资料、能调工具、能根据真实结果调整下一步的执行者。它能上网搜、能查数据库、能调 API——不知道的就去查，而不是硬编。

所以说 Agent 为什么比裸模型少编瞎话（幻觉），核心原因就在这。

CoT + ReAct：就是 Agent

把 ReAct 这个“想-做-看”的循环包装起来，再配上几样东西：

1、一个目标（要完成的任务）；
2、一套工具箱（能调用的搜索、API、代码执行等）；
3、一点记忆（记住之前几步做了啥）；

让它自己转着圈跑，直到目标达成——这就是今天的 AI Agent。

所以你看，Agent 一点都不神秘：**它就是“一个会推理的模型 + 一批工具 + 一个循环”。**一层能力叠一层能力，Agent 就是这么长出来的：

CoT → 让 AI 会"想"（把推理写出来） ReAct → 让 AI 会"做"（边想边调工具、看真实结果） Agent → 让 AI 能自己"跑完一件事"（想-做-看的循环 + 目标 + 工具 + 记忆）

一句话总结

Agent 不是什么全新魔法——CoT 教会它想，ReAct 教会它边想边做，再把这个循环包起来配上工具和目标，就成了能自己干活的 Agent。