提到 2024 年和 2025 年 AI 领域最火的词，AI Agent（智能体） 绝对榜上有名。我们不再满足于仅仅和 ChatGPT 聊天，而是希望它能变成一个超级助理：帮我们查资料、订机票、跑代码、处理 Excel。
但是，大语言模型（LLM）本质上是一个“缸中之脑”，它被困在服务器里，没有手脚，也无法感知当下真实的世界。为了让它成为真正能干活的 Agent，我们需要赋予它一套行动规划框架。
今天，我们就来深度扒一扒目前最经典、应用最广泛的 Agent 规划框架——ReAct。
一、 为什么我们需要 ReAct？
在 ReAct 出现之前，我们通常是怎么使用大模型的？
- Standard Prompting（标准提示）：直接问“北京今天穿什么？”模型根据历史数据瞎猜一个温度回答你。（缺点：容易幻觉，缺乏实时信息）
- Chain of Thought / CoT（思维链）：在 Prompt 里加一句“请一步步思考”。模型会输出：“因为北京现在是冬天，所以天气应该很冷...”（缺点：虽然逻辑变好了，但依然基于旧知识，无法与外部世界交互）
- Act-Only（纯行动）：直接让模型输出调用天气的代码。（缺点：缺乏前置思考，一旦报错，模型不知道如何补救）
2022 年，普林斯顿大学和 Google 联合提出了一篇神仙论文：《ReAct: Synergizing Reasoning and Acting in Language Models》。
作者发现：如果把“推理（Reasoning）”和“行动（Acting）”结合起来，大模型的能力会发生质的飞跃。 就像人类解决问题一样：先想一想，做个动作，看看结果，再接着想。
二、 什么是 ReAct？（核心机制拆解）
ReAct 是 Reasoning（推理）和 Acting（行动）的缩写。
它的核心思想是让大模型在一个死循环里不断执行以下三个步骤，直到任务完成：
- 🤔 Thought（思考）：当前我应该做什么？
- 🛠️ Action（行动）：为了实现这个想法，我需要调用什么工具？（比如：搜索引擎、计算器、本地 API）
- 👀 Observation（观察）：工具执行后返回了什么结果？
💡 举个栗子：查询北京天气并建议穿搭
如果我们用 ReAct 框架来处理 “北京今天天气怎么样？我该穿什么？” 这个任务，大模型的内心戏和外部动作是这样的：
User: 帮我看看北京今天天气如何，推荐一下穿搭。
Thought 1: 用户想知道北京的天气和穿搭建议。我需要先获取北京今天的实时天气。 Action 1: 调用工具
get_weather(location="北京")Observation 1: (系统执行工具后返回) 【北京今天气温：-5℃，大风】Thought 2: 现在我知道北京很冷，只有-5℃，而且有大风。我可以根据这个信息给出穿搭建议了。 Action 2: 调用工具
Finish(answer="北京今天气温-5℃，有大风。建议穿厚羽绒服，戴好防风帽和围巾。")
看到没有？通过 Thought -> Action -> Observation 的交替循环，模型不再是盲目瞎猜，而是有理有据、步步为营地解决问题。
三、 手搓 ReAct 核心代码（告别调包侠）
很多同学学习 Agent 时直接上手 LangChain，但 create_react_agent 一行代码隐藏了所有细节。为了让大家看透本质，我们不使用任何高级 Agent 库，用最原生的 Python 代码手写一个极简 ReAct 引擎。
1. 定义系统 Prompt
我们需要明确告诉大模型它的行为规则，并且告诉它有哪些工具可用。
system_prompt = """
你是一个聪明的 AI 助手，你可以通过遵循以下格式来解决用户的问题。
你必须严格按照这三个步骤循环：
Thought: 思考你需要做什么
Action: 执行具体的动作，必须是如下格式：函数名(参数)
Observation: 观察动作的结果
你可以使用的工具有：
1. calculate(expression: str): 计算数学表达式，例如 calculate("2 + 2")
2. search_weather(city: str): 查询城市天气，例如 search_weather("北京")
当你得到了最终答案，请使用以下格式结束：
Thought: 我已经知道了最终答案
Action: Finish("你的最终回答")
"""
2. 模拟外部工具（Tools）
准备几个简单的 Python 函数当作外部环境。
def calculate(expression):
try:
return str(eval(expression))
except Exception as e:
return f"计算错误: {e}"
def search_weather(city):
# 这里模拟调用天气 API
weather_data = {"北京": "晴，-2度", "上海": "小雨，10度", "广州": "阴，20度"}
return weather_data.get(city, "未知天气信息")
# 工具路由字典
tools_map = {
"calculate": calculate,
"search_weather": search_weather
}
3. 实现 ReAct 循环控制引擎
这就是 Agent 的“大脑控制中枢”。它不断调用 LLM 获取思考和动作，拦截动作去执行工具，再把结果喂回给 LLM。
import openai
import re
# 注意：请替换为你自己的 API 密钥和客户端初始化逻辑
client = openai.Client(api_key="your_api_key")
def react_agent(query):
# 初始化历史对话记录
messages =[
{"role": "system", "content": system_prompt},
{"role": "user", "content": query}
]
max_iterations = 5 # 防止死循环的保险丝
for i in range(max_iterations):
print(f"\n--- 第 {i+1} 轮思考 ---")
# 1. 让 LLM 输出 Thought 和 Action
response = client.chat.completions.create(
model="gpt-4", # 或其他模型
messages=messages,
stop=["Observation:"] # 核心技巧：一旦 LLM 准备输出 Observation，就立刻停住！
)
llm_output = response.choices[0].message.content.strip()
print(llm_output)
messages.append({"role": "assistant", "content": llm_output})
# 2. 解析 Action（使用正则提取工具名和参数）
if "Finish" in llm_output:
final_answer = re.search(r'Finish\("(.*?)"\)', llm_output, re.S)
print("\n🎉 任务完成：", final_answer.group(1) if final_answer else llm_output)
break
action_match = re.search(r'Action:\s*(\w+)\((.*?)\)', llm_output)
if action_match:
func_name = action_match.group(1)
arg_str = action_match.group(2).strip('"\'')
# 3. 执行工具，生成 Observation
print(f"🔧 系统拦截到动作，执行工具：[{func_name}] 参数：[{arg_str}]")
if func_name in tools_map:
obs_result = tools_map[func_name](arg_str)
else:
obs_result = "错误：找不到该工具"
observation = f"\nObservation: {obs_result}"
print(observation)
# 4. 把 Observation 加入上下文，进入下一轮
messages.append({"role": "user", "content": observation})
else:
print("解析 Action 失败，要求重试...")
messages.append({"role": "user", "content": "请严格遵循 Thought 和 Action 格式"})
# 测试我们手搓的 Agent
react_agent("北京的天气怎么样？如果温度加上25度是多少？")
4. 运行过程全解析
当你运行这段代码，你会看到控制台打印出如下类似的神奇过程：
--- 第 1 轮思考 --- Thought: 用户问了两个问题，第一个是北京的天气，我需要先查一下北京天气。 Action: search_weather("北京") 🔧 系统拦截到动作，执行工具：[search_weather] 参数：[北京] Observation: 晴，-2度
--- 第 2 轮思考 --- Thought: 刚才查到了北京气温是-2度。第二个问题是温度加上25度是多少。我需要计算 -2 + 25。 Action: calculate("-2 + 25") 🔧 系统拦截到动作，执行工具：[calculate] 参数：[-2 + 25] Observation: 23
--- 第 3 轮思考 --- Thought: 我已经计算出了结果，可以回答用户了。 Action: Finish("北京今天是晴天，气温-2度。将温度加上25度后的结果是23度。")
🎉 任务完成：北京今天是晴天，气温-2度。将温度加上25度后的结果是23度。
💡 划重点：注意代码中的 stop=["Observation:"]。这是一个非常关键的 Trick。如果不加这个，LLM 可能会自言自语，连带把伪造的观察结果也一起输出（即幻觉）。通过 Stop 参数，我们在它“准备看结果”的那一刹那打断它，让真实的程序接管工具调用，再把真实的观测塞回去。
四、 ReAct 框架的优缺点
通过手写代码，我们已经完全理解了它的机制。在真实的生产环境中，我们不得不正视它的优缺点：
🌟 优点
- 可解释性极强：每一步都有
Thought记录，如果 Agent 出错了，开发者可以立刻看出是“想错了”还是“工具用错了”，极其方便 Debug。 - 容错能力（Self-Correction）：如果遇到 API 报错，Observation 会返回错误信息。模型在下一轮 Thought 看到错误后，通常会自动调整策略（比如换一个搜索词）。
⚠️ 局限性
- Token 消耗巨大：每一轮都要把之前所有的 Thought、Action、Observation 历史作为 Prompt 传进去。如果任务需要十几个步骤，上下文会迅速膨胀，既贵又慢。
- 陷入死循环：对于弱智一点的模型（或者小参数模型），可能会出现反复调用同一个工具，或者在 Action 和 Observation 之间来回震荡“死机”的情况。
- 缺乏宏观规划：ReAct 偏向于“走一步看一步”。对于需要拆解为几十个子任务的超级复杂目标，它容易“迷失方向”。（这也催生了后来的
Plan-and-Solve等更高级的框架）。
五、 总结
ReAct 本质上并不是什么高深晦涩的算法底层，而是一种巧妙的 Prompt 提示工程结构 + 程序循环控制。它巧妙地利用了 LLM 强大的文本推理能力，将其与外部真实世界搭起了一座桥梁。
了解了最原始的 ReAct 循环，以后你再去阅读 LangChain、AutoGPT 或是 LlamaIndex 的源码时，就会有一种“拨云见日”的感觉：它们底层无非是在包装这个循环，处理更复杂的工具输入输出解析而已。
关于 AI Agent 的探索才刚刚开始。 从 ReAct 出发，未来我们还有 Multi-Agent（多智能体协同）、Plan-and-Execute 等等更有趣的架构。
如果这篇文章让你对 AI Agent 有了更清晰的认识，欢迎点赞、收藏并在评论区交流探讨！ 你在开发 Agent 时遇到过哪些坑？欢迎在评论区分享~ 👇
