1. 为什么需要 ReAct？
在 ReAct 出现之前，让 AI 完成任务主要有两种极端路线：
- 只有推理 (Reasoning Only)： 比如“思维链（CoT）”。AI 在脑子里想很久，然后给出一个答案。缺点： 容易产生幻觉，不知道外部世界的实时变化。
- 只有行动 (Acting Only)： AI 直接调用 API 或执行动作。缺点： 缺乏长远规划，容易盲目乱撞。
ReAct 的出现，就是为了把这两者结合起来：
ReAct = Reasoning（推理）+ Acting（行动）
2. ReAct 的工作流程：Thought-Action-Observation
ReAct 引导模型以一种“自言自语”的方式循环执行三个步骤：
- Thought (思考)： 模型先写下对当前情况的分析。 “我现在需要找到铁矿，根据已知信息，铁矿通常在地下深处。”
- Action (行动)： 根据思考，模型决定执行一个具体的指令。 “调用
mine_block(down)动作。” - Observation (观察)： 模型接收环境的反馈。 “观察结果：挖掘成功，获得圆石，但还没看到铁矿。”
这个循环会不断重复，直到任务完成。
3. 优缺点分析
优点
- 可解释性强： 你能清晰地看到 AI 每一步为什么要这么做。
- 鲁棒性高： 如果行动失败了（Observation 报错），AI 可以通过 Thought 重新调整策略。
- 减少幻觉： 强制模型查看观察结果，而不是凭空想象。
缺点（这也是为什么 Voyager 能超越它的原因）
- 短视： ReAct 的 Context（上下文）窗口有限。随着步数增加，它会忘记很久以前的思考。
- 缺乏技能积累： 每次遇到新任务，它都要从头推理，没法像 Voyager 那样把成功的经验存成代码库。
