8.1 ReAct 框架：推理与行动的结合

在提示词工程的发展历程中，ReAct (Reasoning and Acting)框架的提出是一个重要的里程碑。它由 Yao et al. (2022) 首次提出，核心思想是将大语言模型的推理能力（ Reasoning）与 行动能力（ Acting）有机结合，使模型能够像人类一样，在解决问题时交替进行思考和行动，从而解决需要实时信息或多步骤交互的复杂任务。

8.1.1 核心原理：超越思维链

在 ReAct 出现之前，主流的提示技术主要分为两类：

1. 推理型（如 CoT）：让模型生成推理步骤，但不与外部世界交互。这限制了模型获取新知识的能力，容易产生幻觉。

2. 行动型（如 WebGPT）：让模型生成指令调用工具，但缺乏对行动策略的显式推理。

ReAct 巧妙地融合了这两者，形成了一个 “思考-行动-观察”（ Thought-Action-Observation） 的闭环。

ReAct 的工作流程

ReAct 的决策过程可以形象地描述为以下循环：

图 8-1： ReAct 的标准决策循环

在这个循环中：

• Thought（思考）：模型分析当前的任务状态、已有的信息，规划下一步应该做什么。这一步利用了 LLM 的逻辑推理能力。

• Action（行动）：模型决定调用哪个外部工具（如搜索引擎、计算器、API），并生成具体的调用参数。

• Observation（观察）：工具执行后返回的结果（如搜索结果片段、计算数值、API 响应）。这部分信息被回填到模型的上下文中。

通过这种方式， ReAct 实际上是在 利用外部工具来扩展模型的上下文窗口和知识边界。

8.1.2 实战示例： ReAct 解决复杂问题

让我们通过一个具体案例，对比标准提示与 ReAct 的差异。

任务：“除了 Apple ，哪家公司发布的消费级 AR 眼镜在 2025 年销量最高？它的主要卖点是什么？”

❌ 标准提示（容易失败）

用户：除了 Apple ，哪家公司发布的消费级 AR 眼镜在 2025 年销量最高？它的主要卖点是什么？

模型：2025 年销量最高的消费级 AR 眼镜可能是 Xreal 的 Air 3 系列。它的主要卖点包括轻便的机身设计、高清的 Micro-OLED 显示屏以及相对亲民的价格。

分析：这个回答可能是基于模型训练数据的“幻觉”或过时信息，缺乏实时数验证。

✅ ReAct 提示（准确可靠）

系统提示词： 你是一个智能助手。在回答问题前，请遵循 ReAct 格式：先思考，再行动，观察结果，最后回答。 可用工具：

• search(query): 搜索引擎

• browser(url): 浏览网页内容

模型执行过程：

Thought 1: 用户询问 2025 年销量最高的非 Apple AR 眼镜。我需要先查找 2025 年 AR 眼镜市场的销量统计数据或报告。 Action 1: search("best selling consumer AR glasses 2025 market share excluding Apple") Observation 1: [搜索结果]根据 IDC 和 Counterpoint 的 2025 年度报告， Ray-Ban Meta 2 代销量持续领跑。Xreal Air 3 Ultra 在纯显示类 AR 中位居第一。Rokid Station 2 也有不错表现...

Thought 2: 搜索结果提到了 Ray-Ban Meta 2 和 Xreal。Ray-Ban Meta 本质上是智能音频眼镜，但也常被归类在广义 AR/智能眼镜中。Xreal 是纯 AR 眼镜。我需要确认“消费级 AR 眼镜”的具体定义下谁的销量最高，并查找其卖点。 Action 2: search("Ray-Ban Meta 2 vs Xreal Air 3 sales 2025") Observation 2: [搜索结果] Ray-Ban Meta 2 在 2025 年出货量突破 300 万台，远超其他竞品。虽主要是音频+拍摄+HUD 提示，但被广泛视为最成功的智能眼镜产品。Xreal Air 3 系列销量在 80 万量级。

Thought 3: 既然 Ray-Ban Meta 2 销量断层领先，且符合“消费级”定义，我应该重点介绍它。接下来查找它的主要卖点。 Action 3: browser("https://www.meta.com/smart-glasses/") Observation 3: [网页内容] 卖点：1. 全新的 HUD 抬头显示；2. 2400MP 超广角相机；3. 实时多语种翻译；4. 手势控制；5. 仅重 48g。

Thought 4: 我已经有了足够的信息：销量最高的是 Ray-Ban Meta 2，卖点也已明确。 Answer: 除去 Apple Vision Pro ，2025 年销量最高的消费级智能/AR 眼镜是 Ray-Ban Meta 2。

它的主要卖点包括：

1. HUD 抬头显示：在保持普通外观的同时集成了微型投影，可显示导航和通知。

2. 轻量化设计：仅重 48g ，解决了长期佩戴的痛点。

3. 多模态 AI：支持实时物体识别和翻译，不仅是拍摄工具，更是生活助手。

4. 手势交互：无需触碰眼镜，通过微手势即可控制。

8.1.3 ReAct 的代码实现逻辑

在实际开发中， ReAct 并不神秘，其实质是一个 While 循环。以下是一个简化的 Python 实现伪代码：

def react_loop(query, tools, max_steps=10):
    messages = [
        {"role": "system", "content": SYSTEM_PROMPT},
        {"role": "user", "content": query}
    ]

    step_count = 0
    while step_count < max_steps:
        # 1. 调用 LLM 生成 Thought 和 Action
        response = llm.generate(messages)
        message = response.choices[0].message
        messages.append(message)

        # 2. 检查是否决定结束（生成 Answer）
        if "Answer:" in message.content:
            return extract_answer(message.content)

        # 3. 解析 Action
        tool_name, tool_args = parse_action(message.content)

        # 4. 执行 Action (Execute)
        if tool_name in tools:
            observation = tools[tool_name](tool_args)

            # 5. 将 Observation 回填给 LLM
            messages.append({
                "role": "tool",
                "content": f"Observation: {observation}"
            })
        else:
            messages.append({
                "role": "system",
                "content": "Error: Tool not found."
            })

        step_count += 1

    return "Task timed out."

8.1.4 ReAct 的优势与局限

核心优势

1. 可解释性强：不仅知道结果，还能通过 Thought 看到模型的决策路径。

2. 实时性与准确性：通过工具获取最新信息（如天气、股价），解决了 LLM 知识截止的问题。

3. 鲁棒性：面对工具调用失败或信息不全，模型可以通过 Thought 自我纠正。

潜在局限

1. 延迟较高：每一轮“思考-行动”都需要一次 LLM 调用和一次工具调用，多轮交互会导致显着的延迟。

2. 上下文消耗： Thought、Action 和 Observation 的历史记录会迅速占用上下文窗口，可能导致“遗忘”最初的指令。

3. 循环陷阱：模型有时会陷入死循环（如反复搜索同一个无效关键词），需要设置最大步数限制和检测机制。

想一想

1. ReAct 让模型在“推理”和“行动”之间交替——这和人类解决问题的方式有什么相似之处？有什么关键差异？

2. 如果 ReAct 循环中某一步工具调用失败了，你会如何设计 fallback 策略？