从单次对话到自主循环：解析 ReAct 架构如何提升 Agent 任务执行成功率

LLM 长期以来被诟病的是“一本正经地胡说八道”，核心原因在于它本质上是个预测下一个 token 的概率模型，缺乏对外部世界的实时感知和自我修正机制。ReAct (Reason + Act) 架构的出现，实际上是给大模型装上了一个“思考-行动-观察”的循环闭环，让 Agent 从单纯的文本生成器变成了能与环境交互的执行体。

传统的 Chain-of-Thought (CoT) 只是让模型在内部进行逻辑推演，但如果模型在推演的第一步就产生了幻觉，后面的所有步骤都会在错误的路径上崩塌。ReAct 的逻辑则是将“推理”和“行动”交替进行：模型先写一段 Thought（思考当前状态），然后执行一个 Action（调用外部工具），最后拿到 Observation（观察工具返回的结果）。

这种架构最关键的改变在于，它引入了外部反馈作为纠偏机制。比如让 Agent 查某个公司的最新财报，如果它在 Thought 阶段误以为公司 A 的 CEO 是某人，但在 Action 阶段通过搜索 API 拿到的 Observation 证明这不是事实，模型在下一个循环的 Thought 中会自动意识到错误并修正方向。这种“自省”能力直接拉高了复杂任务的执行成功率。

对于开发者来说，实现 ReAct 并不需要从底层重新训练模型，而是在 Prompt 层面构建一套强制性的格式约束。一个典型的 ReAct 循环 Prompt 结构通常如下：

Answer the following questions as best you can. You have access to the following tools:
[Search: a tool to search the web]

Use the following format:
Question: the input question you must answer
Thought: you should always think about what to do
Action: the action to take, should be one of [Search]
Action Input: the input to the action
Observation: the result of the action
... (this Thought/Action/Observation can repeat N times)
Thought: I now know the final answer
Final Answer: the final answer to the original input question

这意味着 Agent 的开发重心正在从“如何写更精妙的 Prompt”转向“如何构建更精准的工具集（Tools）”。因为 ReAct 的上限不取决于模型的推理能力，而取决于 Observation 阶段提供的信息质量。如果工具返回的是垃圾信息，模型即便有再强的推理能力也会被带偏。

从行业维度看，ReAct 是 Agent 走向工程化落地的分水岭。它证明了通过简单的循环结构，就能在不增加参数量的情况下，显著提升模型处理动态、未知信息的鲁棒性。未来的趋势是这种循环将变得更轻量且自动化，不再依赖冗长的文本 Prompt 引导，而是直接内化为模型的原生能力。