周一早上的周会刚结束，小王把笔记本屏幕转向老李，上面密密麻麻刷着 Agent 的运行日志。
“老李，你看看这个——”
[Thought] 用户想知道公司去年年会的举办城市。我应该查一下内部知识库。
[Action] search_knowledge_base("2025年年会举办城市")
[Observation] 找到3条结果，最相关的是《2025年会通知》，地点是杭州。
[Thought] 知识库里明确写了是杭州，但我还需要确认日期，因为用户可能接下来会问。
[Action] search_knowledge_base("2025年年会日期")
[Observation] 结果是11月8日。
[Thought] 信息齐全了，可以回答用户了。
[Final Answer] 2025年公司年会于11月8日在杭州举行。老李盯着日志看了半分钟，保温杯往桌上一顿：“我就问它‘年会在哪开的’，它查了两次资料？还自己琢磨了那么多？这不浪费时间吗？我以前写个SQL直接返回结果，一步到位。”
“老李你想啊——你早上出门前，是先看天气预报再决定穿什么，还是直接冲出去，冻得半死再回来加衣服？”
老李张了张嘴，没说出话。
小王趁热打铁：“你再看看，同样的问题，如果直接让大模型回答，不加任何思考过程，它会给出什么——”
他打开另一个窗口，里面是一个纯 LLM 的回答记录。老李凑近一看，脸立刻黑了。
“2025年公司年会于12月中旬在北京总部举行，年会主题是‘共创未来’，设有文艺表演和抽奖环节。”
“这全是编的！它根本不知道咱们年会在哪！”老李怒了。
“对。没有 ReAct 的模型就像一个有问必答但从不核实的人。你问他啥他都能接上话，但真假不管。ReAct 就是教它一个习惯：回答之前，先想想自己知不知道；不知道的，先去查；查完再确认一遍，然后再开口。”
老李皱着眉重新看了一遍日志，这次看得慢了。
ReAct 三步舞：思考、行动、观察
小王在白板上画了一个三角形，三个顶点分别写着“Thought”“Action”“Observation”。
“这就是 ReAct 的核心循环，我管它叫‘三步舞’。每一步都不能省。”
“第一步，Thought——思考。 AI 拿到问题后，不急着回答，而是先分析：‘这个问题我需要查什么？我已知的信息够不够？’就像你接到一个任务，先在心里盘算一下，而不是抓起工具就干。”
“第二步，Action——行动。 根据思考的结果，去调用工具。可能是搜知识库、查数据库、调 API、发邮件——任何能给 AI 提供外部信息的手段都算 Action。”
“第三步，Observation——观察。 看看行动的结果是什么。查到有用的信息了吗？还是查错了？查到的信息完整吗？如果不够，就再回到第一步——继续思考下一步怎么办。”
图：ReAct 循环——信息不够就继续跳，够了就停
“所以它不是‘一步到位’，而是‘步步为营’。”老李若有所思，“这跟我做技术方案挺像——先调研，再设计，发现不对再回头调研。”
“对！你写方案就是这样，只不过你把这个过程叫‘经验’，ReAct 把它叫‘推理’。”
拆解一个完整的 ReAct：帮老板订机票
“我给你演示一个更复杂的例子，”小王打开终端，“假设你要我帮你订一张下周二去成都的机票，但要最便宜的那班。一个纯 LLM 会怎么做？”
老李想了想：“它会编一个航班号，编一个价格，然后告诉你订好了——全是假的。”
“对。因为它没有查询真实航班的能力。现在给它装上 ReAct，再看——”
# ReAct 的核心循环示意：订机票 Agent
def react_loop(user_request: str, max_steps=5):
messages = [{"role": "system", "content": REACT_SYSTEM_PROMPT}]
messages.append({"role": "user", "content": user_request})
for step in range(max_steps):
response = llm.generate(messages) # LLM 输出 Thought/Action/Observation
parse_result = parse_react_output(response)
if parse_result["type"] == "final_answer":
return parse_result["content"]
if parse_result["type"] == "action":
# 执行工具调用
tool_result = execute_tool(parse_result["action"], parse_result["input"])
# 把观察结果追加到对话中
messages.append({"role": "assistant", "content": response})
messages.append({"role": "user", "content": f"Observation: {tool_result}"})
return "抱歉，我没能在限定步数内完成任务。"“你看，每一步 LLM 都会输出它当前的 Thought 和下一步要做的 Action。执行 Action 得到的结果，作为 Observation 喂回去。这个循环自动持续，直到 LLM 认为信息足够，给出 Final Answer。”
老李追问：“那它怎么知道什么时候该停？不会一直循环下去吗？”
“靠两个约束。第一，最大步数限制——比如最多循环 10 次，超了就强行终止。第二，Prompt 里明确规定了‘什么时候该停止’——当信息足够回答原始问题时，必须输出 Final Answer。这俩一结合，基本就能管住。”
Prompt 是灵魂：如何写好 ReAct 的系统指令
“最关键的是这个 System Prompt，”小王打开一个配置文件，“它定义了 Agent 的‘思维格式’。如果 Prompt 写得不好，Agent 要么乱想，要么想都不想直接编。”
他展示了一段精简版的 ReAct Prompt：
REACT_SYSTEM_PROMPT = """
你是一个能使用工具的智能助手。回答问题时，请严格遵循以下格式：
Thought: 分析当前情况，思考下一步需要做什么。
Action: 要执行的动作，格式为 `tool_name(input)`。
Observation: 工具返回的结果（由系统自动提供，你不要生成这个）。
如果你已经有了足够的信息来回答用户的问题，输出：
Thought: 我现在有足够的信息来回答这个问题。
Final Answer: [你的回答]
规则：
1. 每一步要么输出 Action，要么输出 Final Answer，不能同时输出。
2. 不要编造任何信息，一切以 Observation 为准。
3. 如果连续两次同样的 Action 都得不到有用信息，换一个思路。
可用工具：
- search_knowledge_base(query: str): 搜索公司内部知识库。
- get_date(): 获取当前日期。
"""“看到没有？格式、规则、可用工具——三条线框死了 Agent 的行为。它不是随意发挥，而是按照这个模板进行结构化推理。”
老李盯着 Prompt 看了许久：“这跟我给新人写操作手册差不多——告诉他们流程是什么，什么时候该做什么，遇到问题怎么处理。”
“完全一样。你现在明白为什么我说 Agent 不是一个套壳的 LLM 了吧？LLM 只是大脑，真正让 Agent 跑起来的是这套结构化推理流程和精心设计的约束规则。没有这些，大脑再聪明也是散漫的。”
ReAct 的局限：循环地狱和幻觉行动
“那它有什么问题？”老李习惯性地开始挑刺。
“三个。”小王伸出手指。
“第一，循环地狱。Agent 有时候会陷入死胡同——比如查到一个模糊的信息，然后反复用不同的关键词搜同一个库，永远觉得‘还不够’。如果不设最大步数，它能把 API 额度烧光。”
“第二，幻觉行动。LLM 偶尔会‘发明’一个不存在的工具。比如 Prompt 里只给了 search_knowledge_base，但它一上头输出了 Action: query_database(...)——这个工具根本不存在，系统执行失败，Observation 返回错误信息，然后 Agent 就更懵了。”
“第三，效率问题。简单问题也被它搞复杂了。你问‘今天几号’，它可能去思考‘我需要调用 get_date 工具’，然后行动，然后观察，然后回答。三步搞完一秒钟，但对用户来说，这跟直接回答没有任何区别——因为 LLM 本来就知道日期，根本不需要查。”
老李点点头：“所以我刚才那个年会问题，如果知识库里没有，它反复查了两次，也是效率问题。”
“对。但相比之下，准确性更重要。尤其是涉及内部知识、实时数据的问题，慢一点换来的是靠谱的答案。就像你让实习生去查资料再汇报，肯定比让他凭记忆瞎说要慢，但你敢用后者的结果吗？”
当老李突然明白自己也是 ReAct
老李沉默了一会儿，拧开保温杯，慢慢地喝了一口。
“我有个想法，”他说，“我每天早上的状态，其实就是个 ReAct。”
小王眼睛亮了：“你说说看。”
“我打开电脑，先看邮件——这是 Observation。看完之后想，哪个紧急、哪个可以缓——这是 Thought。然后决定‘先回老赵的电话’——这是 Action。打完电话拿到新信息，再想‘那周三的上线可以推迟’——这又是一个 Thought。我这一整天，就是 Thought → Action → Observation 的循环。”
“老李，你这总结比我的比喻都精准。”小王由衷地说。
老李摆摆手，嘴角却藏不住一丝得意：“下不为例啊。下次你直接把 ReAct 说成‘做事之前先过脑子’，我就不跟你抬杠了。”
他站起来，走到门口又停住：“那什么，你刚才说的那个幻觉行动——如果 Agent 发明了一个不存在的工具，系统怎么优雅地处理？能不能在 Observation 里给它一个明确的引导，让它回到正轨？你给我看看你那个错误处理代码。”
小王笑着比了个 OK。老李端着保温杯走了，枸杞晃晃悠悠，像 ReAct 循环里那个不断转动的思维齿轮，终于卡进了正确的槽位。
