扫盲：什么是ReAct
2022年，普林斯顿大学和谷歌的研究团队提出的ReAct范式，通过构建“推理-行动-观察”（TAO）的闭环机制，首次实现了语言模型推理能力与外部环境交互能力的深度协同。 ReAct = Reasoning（推理）+ Acting（行动），本质是一种让语言模型通过与外部工具、环境动态交互完成复杂任务的智能体架构范式。其核心目标是打破传统语言模型“输入-输出”的单向链路，构建“感知-决策-执行-反馈”的智能闭环，使模型从“被动应答者”升级为“主动问题解决者”。
问题： 你们用 ReAct 做过 Agent 吧？讲讲 Thought、Action、Observation 这个循环。模型一直重复调同一个工具，线上你们怎么发现，怎么让它停下来？
动笔前我先把 ReAct 的循环骨架搭出来跑了一遍。故意让模型每轮都返回同一个查订单动作，看它自己能不能停。没加护栏那版，跑满 12 步上限，工具被调了 12 次，一个答案都没吐出来。
ReAct 的面试答案，多数人背到三个名词就停了，面试官接着问的常常是循环怎么收。背定义接不住这一问。下面这版能直接背，代码也能直接跑。
二、ReAct面试题在考什么
面试官先看你有没有真跑过。能说出循环跑了十步还在原地打转的人，和只能背三个名词的人，差别在调过线上没有。
再往下是终止条件。一个 ReAct 循环停下来有两条路，模型自己给出 Final Answer，或者外部护栏强制掐断。LangChain 的 AgentExecutor 里 max_iterations 默认 15，官方文档专门写了一句，设成 None 可能死循环。这句话就是留给追问的。
三、分层答案，从认知到落地
最底下是认知层。ReAct 让模型把推理轨迹和动作交替写出来，Thought 记当前判断，Action 选工具，工具跑完把结果作为 Observation 回灌进上下文，模型再决定下一步。论文里这套写法接了一个 Wikipedia API，靠真实返回的页面压住 CoT 常见的幻觉和错误传播。出处是 Yao 等人 2022 年 10 月挂上 arXiv 的 ReAct 论文，编号 2210.03629，2023 年 3 月的 v3 是 ICLR 定稿版。
往上是原理层。交替写轨迹的好处是每步都拿环境反馈对一遍，前面想歪了后面有机会拐回来。论文在 HotpotQA 和 Fever 上验证了这点，在 ALFWorld 和 WebShop 两个交互任务上，只用一两个 in-context 示例，绝对成功率比 imitation 和 RL 基线高出 34% 和 10%。这几个数字我照着摘要原文抄的，面试报出来比说效果挺好有底气。
工程层最要紧，面试的差距多半在这里。循环得有硬边界，我自己写会加三道护栏，步数上限、重复动作检测、解析失败回灌。LangChain 给了其中两道，max_iterations 管步数，handle_parsing_errors 管格式错。重复动作检测在 AgentExecutor 的参数清单里没有，OpenAI Agents SDK 超了 max_turns 抛 MaxTurnsExceeded，同样只数步数。同一个动作调了八遍这种事，得自己补一行判断。
四、追问与应答
面试官常问，光加步数上限够不够。
不够。我那段实跑里，12 步上限跑满，工具调用 12 次，钱照付，答案一个没有。加一行重复检测，第 3 步就拦下，工具只调 2 次。步数上限兜住跑飞，重复检测负责早点停，作用不重叠。
还可能问，解析失败要不要直接报错。
别抛异常。把解析错误整理成一句 Observation 回灌，多数模型下一轮就改回格式。这正是 handle_parsing_errors 设成 True 干的事。我那个 demo 第一轮让模型自由发挥，第二轮就归位，第三步正常收尾。max_execution_time 也建议配上，它管墙钟时间，能防挂死，可重复调用每次都很快，时间没到钱已经花完了。
五、代码示例与执行流程
下面这段纯标准库就能跑，用脚本化输出模拟模型，不依赖任何 API Key。三组对照各走一遍护栏。
# 纯标准库，用脚本化输出模拟模型，不依赖任何 API Key
class ParseError(Exception):
pass
def parse(text):
# 只认行首标记，Thought 里提到工具名不会被误当 Action
marks = [l for l in text.splitlines()
if l.startswith(("Action:", "Final Answer:"))]
if not marks:
raise ParseError("缺少 Action 或 Final Answer 行")
last = marks[-1]
return ("finish" if last.startswith("Final") else "action",
last.split(":", 1)[1].strip())
def react_loop(model, max_steps=12, repeat_limit=None):
"""返回 结局、步数、工具调用次数。history 每轮回灌模型。"""
history, calls, last_action, streak = [], 0, None, 0
for step in range(1, max_steps + 1):
try:
kind, payload = parse(model(step, history))
except ParseError as e:
# 解析失败不中断，把错误当 Observation 回灌，让模型下一轮改格式
history.append(f"Observation: 解析失败，{e}")
continue
if kind == "finish":
return "finish", step, calls
# 先判重复再调工具，重复的这一次不付工具钱
if repeat_limit and payload == last_action:
streak += 1
if streak >= repeat_limit:
return "blocked_repeat", step, calls
else:
streak = 0
last_action, calls = payload, calls + 1
history.append(f"Observation: {payload} -> 未找到记录")
return "exhausted", max_steps, calls
def stuck(step, history):
return "Thought: 再查一次\nAction: search_order(A1001)"
def recover(step, history):
if step == 1:
return "我先查一下订单 A1001 的状态。"
if step == 2:
return "Thought: 按格式重来\nAction: search_order(A1001)"
return "Thought: 给结论\nFinal Answer: 未查到该订单，建议人工核对"
for name, model, kw in [
("只有步数上限", stuck, {}),
("加重复动作检测", stuck, {"repeat_limit": 2}),
("解析失败回灌", recover, {}),
]:
end, steps, calls = react_loop(model, **kw)
print(f"{name}: 结局={end} 步数={steps} 工具调用={calls}")
实跑输出（Python 3.13）
-- 只有步数上限:
结局=exhausted 步数=12 工具调用=12
-- 加重复动作检测:
结局=blocked_repeat 步数=3 工具调用=2
-- 解析失败回灌:
结局=finish 步数=3 工具调用=1
第一行是只设步数上限的代价。第二行把重复检测打开，连续两次同一个动作就拦，工具少调十次。第三行演示解析失败回灌，模型第一轮输出自由发挥，收到错误提示后改回格式，第 3 步给出答案。
parse 里用 startswith 只认行首标记，这个写法有讲究。换成 in 去匹配，Thought 里提一句工具名就会被误当成动作，这类错误在线上很隐蔽。重复检测也放在调工具之前，等工具跑完再判，那一次已经付过钱了。
六、加分项与踩坑点
加分项。提一句 early_stopping_method，默认 force 只返回一句达到迭代上限的说明，设成 generate 会让模型基于已走的步骤最后生成一次答案，体验好，多一次调用。再提一句 OpenAI Agents SDK 的 error_handlers 收 max_turns，能返回兜底输出，官方页面没写默认 turn 数，别在面试里编一个。护栏触发时记一条日志，重复动作次数是很便宜的健康指标。
踩坑点。第一，解析别用 in 匹配 Action，行首 startswith 才稳。第二，重复检测要放在调工具之前。第三，步数上限别照抄 15，复杂任务 15 步不够，简单任务 15 步够烧掉一堆 token，按业务配，再叠一个时间上限。第四，别把 max_turns 当成工具调用次数，官方文档写了一次 run 里可能包含多次 LLM 调用。
三个核心要点
ReAct 循环得有硬边界，靠模型自己喊停不靠谱。
三道护栏直接背，步数上限、重复动作检测、解析失败回灌。
实测只设 12 步上限，工具白调 12 次；加了重复检测，第 3 步就停。
我正在整理一份《大模型面试高频题库与详解》，做好后会在公众号开放领取。关注 A小码哥，回复「AI面试题」即可第一时间获取。
