问题: 解释ReAct推理行动框架的工作原理与循环流程

👇 点击展开/折叠 面试背诵模板（建议先背这个） ReAct（Reasoning + Acting）由Google Research和普林斯顿大学于2022年提出，核心思想是让LLM通过交替进行推理（Reasoning）和行动（Acting）来解决复杂任务。其工作流程基于“思考—行动—观察”（Thought-Action-Observation, TAO）的迭代循环：模型先生成内部推理（Thought）分析任务并制定计划，然后调用外部工具执行行动（Action）获取信息，最后接收行动结果作为观察（Observation）并据此调整后续推理。这个“推理→行动→观察→再推理”的闭环持续进行，直到模型获得足够信息并输出最终答案。
---

ReAct 的核心思想

ReAct 框架的名称源于“Reasoning”（推理）和“Acting”（行动）的结合，其核心灵感来源于人类的决策过程。在 ReAct 出现之前，LLM 解决复杂任务主要有两种独立方法：思维链（CoT）依赖模型内部知识进行推理，容易产生事实幻觉；而仅行动规划（Act-Only）虽然能与外部环境交互，但缺乏明确的推理和规划能力。ReAct 协同结合了这两种方法的优点，让模型的推理过程“锚定”（ground）在外部世界的事实上，并根据收到的反馈动态调整策略。

核心工作原理：TAO 迭代循环

ReAct 在一个包含三个关键组件的迭代循环中运行，模型会顺序生成由思考、行动和观察步骤组成的轨迹。

步骤 名称 说明
1 思考（Thought） 模型生成内部推理过程，分析任务、拆解为子目标、制定或调整行动计划。此步骤是内部的规划，不改变外部环境
2 行动（Action） 基于推理结果，模型调用一个外部工具来执行具体操作，例如进行搜索、查询数据库或调用 API
3 观察（Observation） 模型接收行动执行后返回的结果（如搜索结果、API 响应），作为下一步推理的依据

完整工作流程

ReAct 的工作流程可分为“初始化-循环迭代-终止输出”三个阶段：

① 初始化阶段：模型接收用户提出的复杂问题或任务指令，启动推理过程。

② 循环迭代阶段：模型进入 TAO 循环，持续进行以下步骤：

  • 思考（Thought）：分析当前状态，确定下一步需要什么信息或采取什么行动。
  • 行动（Action）：调用外部工具（如搜索引擎、计算器、数据库）。
  • 观察（Observation）：接收工具返回的结果。
  • 再推理：根据观察结果，模型重新进入思考阶段，判断任务是否完成或是否需要进一步行动。

这个“推理→行动→观察→再推理”的闭环持续进行，直到模型获得足够信息并输出最终答案。

③ 终止输出阶段：当模型认为已经收集到足够信息解决问题时，退出循环并生成最终答案返回给用户。

关键组件与示例

完整示例（以“交流电发明者的出生地是否首都？”为例）：

  • 思考 1：我需要查明交流电的发明者，然后找到他的出生地，并核实该城市是否为首都。
  • 行动 1：Search[交流电发明者]
  • 观察 1：交流电由尼古拉·特斯拉开发。
  • 思考 2：现在我需要找出特斯拉的出生地。
  • 行动 2：Search[尼古拉·特斯拉出生地]
  • 观察 2：特斯拉出生于斯米连（现属克罗地亚）。
  • 思考 3：斯米连不是首都。最终答案应基于事实陈述。
  • 最终答案：特斯拉出生于斯米连，该地不是首都。

三大核心组件：

  • 推理链生成模块：采用思维链技术，将复杂任务拆解为可执行的子步骤
  • 行动链执行模块：当推理需要外部信息时，自动触发工具调用
  • 状态管理机制：维持跨轮次交互的上下文一致性，支持中断恢复和多轮修正