ReAct 论文深度解读：让大模型学会“边想边做“

ReAct =Reasoning +Acting
论文：Yao et al., 2022, Google Research + Princeton
原文链接：https://arxiv.org/abs/2210.03629
本文记录我的论文学习过程与核心理解

一、背景：CoT 的局限性

在 ReAct 之前，Chain-of-Thought (CoT)已经成为提升 LLM 推理能力的标配方法。

CoT 解决了什么问题？

CoT 有什么问题？

核心缺陷：CoT 是在"闭门造车"

CoT 的思考链： "我认为这个问题应该..." "根据我的推理，下一步是..." "可能的答案是..."

问题在于：

• ❌ 模型不知道外部世界的真实情况
• ❌ 推理过程中的错误无法被发现和纠正
• ❌ 容易产生"幻觉"（Hallucination）
• ❌ 缺乏事实依据支撑

二、ReAct 核心思想

2.1 论文基本信息

2.2 ReAct 三要素

ReAct 的核心是把Reasoning（思考）和Acting（行动）结合起来，形成一个闭环：

┌─────────────────────────────────────────────────────┐ │ ReAct 循环 │ ├─────────────────────────────────────────────────────┤ │ │ │ ┌─────────┐ │ │ │ Thought │ ◄─── 思考：我应该做什么？ │ │ └────┬────┘ │ │ │ │ │ ▼ │ │ ┌─────────┐ │ │ │ Action │ ◄─── 行动：调用外部工具 │ │ └────┬────┘ │ │ │ │ │ ▼ │ │ ┌─────────────┐ │ │ │ Observation │ ◄─── 观察：获取真实世界反馈 │ │ └──────┬──────┘ │ │ │ │ │ └─────────────────────────────────────────┘

2.3 对比 CoT

三、核心创新：Observation 反馈机制

3.1 为什么 Observation 如此重要？

Observation 解决了 CoT 的致命弱点：无法获得真实世界反馈

没有 Observation（CoT）： 想 → 想 → 想 → 一直想 → 可能一直错 有 Observation（ReAct）： 想 → 做 → 观察 → 想 → 做 → 观察 → 持续纠错

3.2 协同效应 (Synergy)

论文的核心发现是：ReAct + CoT 协同 > 单独使用

3.3 效果提升

在 HotpotQA、Fever 等多跳推理任务上，ReAct + CoT 协同比单独 CoT 精度提升约 10-15%，比单独 ReAct 也有明显提升。

四、典型工作流程

4.1 单轮交互

问题：上海今天适合穿什么？ Thought: 我需要先查一下上海的天气情况 Action: search_weather(query="上海天气") Observation: 温度 25°C, 天气晴, 紫外线指数较高 Thought: 根据天气情况，建议穿薄外套遮阳，搭配长裤 Answer: 建议穿薄外套 + 长裤，需注意防晒

4.2 多轮复杂推理

问题：特斯拉 CEO 马斯克是哪里人？ Thought: 需要先确认"特斯拉 CEO 马斯克"指的是谁 Action: search(query="马斯克 特斯拉 CEO") Observation: 埃隆·马斯克 (Elon Musk)，南非出生 Thought: 马斯克出生于南非比勒陀利亚，现在是美国公民 Answer: 埃隆·马斯克出生于南非比勒陀利亚，后成为美国公民

4.3 错误纠正场景

问题：华为是哪年成立的？ Thought: 华为应该是 1987 年成立的 Action: search(query="华为公司成立年份") Observation: 华为技术有限公司于 1987 年在中国深圳注册成立 Thought: 我的记忆是对的，华为确实是 1987 年成立 Answer: 华为于 1987 年在中国深圳成立

五、ReAct 的意义与影响

5.1 对 AI Agent 架构的影响

ReAct 为后来的自主 Agent 系统奠定了基础：

ReAct (2023) │ ├──► AutoGPT (2023) - 自主执行任务 │ ├──► AgentScope (2024) - 多智能体协作 │ └──► 各类 Agent 框架的标配

5.2 与其他技术的关系

5.3 局限性

六、实践建议

6.1 什么时候用 ReAct？

6.2 与其他方法结合

推荐组合： ReAct + CoT prompting │ ├── Thought 部分使用 CoT 风格（结构化推理） │ └── Action + Observation 部分使用 ReAct（工具调用） ReAct + Reflexion │ ├── ReAct 负责正常执行 │ └── Reflexion 负责事后反思和错误纠正

七、总结

核心要点

ReAct = Reasoning（思考）+ Acting（行动）

我的理解

ReAct 的本质是把 LLM 变成了一个"会思考的执行器"：

传统 LLM → 只会"想" CoT LLM → 展示思考过程 ReAct LLM → 边想边做，通过行动验证思考

Thought = 内心独白（我在想什么）
Action = 外部行动（我做了什么）
Observation = 感官输入（我看到了什么结果）

八、参考资料

相关阅读：

• AgentScope 多智能体协作实战
• OpenClaw vs Hermes Agent 对比
• AI Agent 训练路线图

欢迎交流讨论，我的 blog：sunrong.site