Agent的核心：ReAct循环，让AI不再瞎编，而是真的“干活”

如果你用过ChatGPT这类大模型，大概率踩过这样的坑：

问它“查下竞争对手A的定价策略”，它甩给你一堆“成本加成法、竞争定价法”的理论；问它“API为啥返回500错误”，它罗列“数据库连接失败、内存不足”等通用原因，却没命中你实际的空指针问题。

问题出在哪？大模型天生是“一口气说完”的——它不会中途停下来验证、不会主动查新信息，更不会修正自己的错误。而解决这个问题的核心，就是ReAct循环：Reasoning + Acting（推理+行动），也是现代Agent的“心脏”。

先看个真实对比：普通LLM vs ReAct Agent

同样是“调查竞争对手定价”，两者的表现天差地别：

普通ChatGPT的回答

定价策略通常包括成本加成法、竞争定价法、价值定价法……不同企业会根据自身成本、市场竞争情况选择不同策略。

听起来全对，但毫无用处——你要的是“竞争对手A卖多少钱、有哪些套餐”，不是“定价策略百科”。

ReAct Agent的操作流程

[第1轮]
思考：用户没说具体是哪家竞争对手，先确认对象，不然查的都是无效信息。
行动：追问用户“你指的竞争对手是哪几家？（给名字/官网）”
观察：用户回复“主要看竞争对手A”

[第2轮]
思考：有名字了，先搜官网定价页，优先官方信息。
行动：调用搜索工具，关键词“竞争对手A pricing”
观察：找到官网定价页+两篇评测文章

[第3轮]
思考：读取官网定价页，提取准确数字和套餐差异。
行动：调用网页读取工具访问定价页
观察：基础版$29/月，专业版$99/月，企业版需联系销售

[第4轮]
思考：整理信息，对比自家定价，生成分析报告。
行动：输出带来源链接的分析报告
观察：任务完成

核心差异很明显：ReAct不是“一口气蒙答案”，而是边想边做、做完再想——把“猜”变成了“查+证据+可回滚”。它依然可能犯错，但你能清楚看到错在哪，也能轻松拉回正轨。

ReAct的本质：为什么这个循环有效？

大模型有两个天生缺陷，而ReAct刚好能补上：

LLM天生缺陷	表现	ReAct的解决方式
信息过时	只能用训练数据里的旧知识	行动阶段调用搜索/API，获取最新信息
无法验证	说完就完，容易编造细节	每一步都有观察记录，能追溯、能修正

ReAct的核心逻辑其实特别简单：

普通LLM：问题 → 一口气生成答案
ReAct Agent：问题 → 想一步 → 做一步 → 看结果 → 再想 → 再做 → … → 答案

这个逻辑来自2022年的《ReAct: Synergizing Reasoning and Acting in Language Models》论文，核心发现就一句话：推理和行动交织进行，比单独推理或单独行动都强。

• 只推理不行动（比如Chain-of-Thought）：想得再周全，也拿不到新信息；
• 只行动不推理（比如直接调工具）：瞎调用工具，不知道为什么要调；
• 推理+行动（ReAct）：想清楚“为什么做”，做完看结果，再决定下一步。

拆解ReAct循环：三步走，每步都有讲究

ReAct的循环就三步：Reason（思考）→ Act（行动）→ Observe（观察），每一步都有核心原则，错了就容易出问题。

1. Reason（思考）：只想“下一步”

输入是“用户目标+历史观察结果”，输出是“下一步要做什么，为什么”。
关键原则：别让LLM想太远，它会发散。只让它基于当前信息，判断“下一个动作是什么”——想太多反而容易跑偏。

2. Act（行动）：一轮只做一个关键动作

输入是思考阶段确定的动作，输出是执行结果。
关键原则：前期调试时，动作越小越好（比如先搜、再读、再整理），容易定位问题；流程跑顺了，再考虑并行调工具提速。
常见的行动类型：追问用户、网页搜索、读文件、调API、执行代码等。

3. Observe（观察）：客观记录，不做判断

输入是行动的执行结果，输出是结构化的观察记录。
关键原则：只记事实，不做主观判断（比如“搜索结果没用”）——判断留给下一轮的思考阶段，避免提前带偏。

生产落地：让ReAct循环“停得下来”

ReAct最关键的问题之一是“什么时候停”：停太早，任务没完成；停太晚，Token烧光、成本失控。

两类核心终止条件（必配）

1. 硬护栏（优先级最高）：预算耗尽（Token/成本上限）、超时（端到端时延上限）、用户主动中断——这些是生产环境的“保命符”，必须先配。
2. 柔性判断：任务完成（LLM明确表示搞定）、结果收敛（连续两次观察没新进展）、最大轮数（兜底，比如10-15轮）。
   

举个Shannon框架里的配置例子（Go代码），核心逻辑一看就懂：

func shouldStop(state *ReactState) bool {
    // 硬护栏：用户中断/预算超/超时，立刻停
    if state.UserCanceled || state.TokensUsed >= state.Config.TokenBudget || time.Since(state.StartTime) > state.Config.Timeout {
        return true
    }
    // 兜底：达到最大轮数
    if state.Iteration >= state.Config.MaxIterations {
        return true
    }
    // 防偷懒：没到最小轮数，继续（比如至少调1次工具）
    if state.Iteration < state.Config.MinIterations {
        return false
    }
    // 柔性判断：任务完成/结果收敛
    return containsCompletionSignal(state.LastThought) || isResultConverged(state.Observations)
}

生产环境必配的3个关键配置

1. MaxIterations：防无限循环（比如Agent反复搜同一个关键词，卡20轮还没结果），建议设10-15轮；
2. MinIterations：防LLM偷懒（比如第一轮就编答案，没调任何工具），建议至少设1轮；
3. ObservationWindow：控成本（只保留最近5条观察记录，老记录做摘要压缩），避免上下文越长、Token越贵。

ReAct落地：4个最容易踩的坑，附解决办法

坑1：无限循环

症状：Agent反复做同一件事（比如搜同一个关键词，读同一个广告页），停不下来。
解决：加MaxIterations硬限制；检测连续两次观察的相似度，相似就换策略；Prompt里提醒“发现结果重复，立刻换方法”。

坑2：过早放弃

症状：Agent第一轮就说“完成了”，但根本没调工具、没查信息。
解决：加MinIterations强制调工具；Prompt里明确“必须用工具获取信息，不能直接回答”。

坑3：Token爆炸

症状：几轮下来上下文暴涨，费用失控。
解决：限制ObservationWindow；老观察做摘要；配BudgetAgentMax（Token上限）。

坑4：思考和行动脱节

症状：LLM想的是“搜定价”，实际却调了“读日志”工具。
解决：Act阶段的Prompt里明确引用Reason结果：“你刚才的思考是：{thought}，请严格执行对应的行动”。

不同框架怎么实现ReAct？

ReAct是通用模式，不是某款框架专属，核心逻辑都一样，只是实现细节不同：

框架	实现方式	适用场景
LangChain	create_react_agent()	快速做原型，生态丰富
LangGraph	状态图+节点	生产系统，可视化调试
OpenAI	Function Calling	原生支持，延迟低
AutoGPT	自定义循环	高度自主，但稳定性差

选框架的核心原则：快速原型用LangChain，生产系统优先LangGraph（或自建），追求低延迟选OpenAI原生Function Calling。

最后：ReAct不是魔法，但足够实用

ReAct不是“让AI变正确”的魔法，它的核心价值是：把大模型的“黑箱回答”变成“可追溯、可修正、有证据”的行动链。

记住这5个核心要点，就能用好ReAct：

1. ReAct是“推理+行动”的交织循环，不是一次性生成答案；
2. 核心三步：思考（只想下一步）→ 行动（一轮一个动作）→ 观察（客观记录）；
3. 解决了LLM“信息过时、无法验证”的核心缺陷；
4. 终止条件要配“硬护栏（预算/超时）+ 柔性判断（完成/收敛）”；
5. 生产落地必配MaxIterations/MinIterations/ObservationWindow。

下一篇我们会聊Agent的“手脚”——工具调用：毕竟光有思考的循环，没有动手的能力，Agent还是干不成事。