第四章 · ReAct Agent — Agent 渐进式扫盲

在上一章节中，我们已经给 LLM 安装上手脚了。光有手脚还不够，我们无法让它持续的工作，因为它只能处理原子任务，无法胜任复杂工作流程。接下来，我们将了解一下大模型领域最著名的核心“范式”(另一个被疯狂滥用的概念) - ReAct。

4.1 ReAct

所谓的 ReAct = Reasoning + Action，是一种 LLM 推理执行的范式，它规范了大模型通过多轮执行来处理复杂任务的过程：

LLM 接受任务 -> 思考下一步动作 -> 调用工具 -> 工具返回结果 -> 思考下一步动作 -> 调用工具 -> 工具返回结果 ... -> 回复用户 (即 Thought-> Action -> Observation Loop)

图 1 · ReAct Loop（Thought–Action–Observation）

每一轮 Loop 的尾声必是回复用户，中间是若干轮的工具调用：Thought 决定动作、Action 调用工具、Observation 拿回结果，不断往复，直到 Thought 判断任务完成才回复用户。

Agent 的核心就是这个 Loop，它就是 ReAct，也称为 AgentLoop。以下是一个简化但真实的 Trajectory:

[user]  请帮我查一下 AAPL 今天的收盘价

[assistant.thinking]
  用户问的是今天的股价。我没有实时数据，需要调 web_search。

[assistant.tool_call]
  web_search(query="AAPL closing price today")

[tool_result]
Found 3 results for: Apple Inc AAPL stock price today latest

1. Apple (AAPL) Stock Price Today, News, Chart, Earnings | Coinbase
   https://www.coinbase.com/stock/AAPL

2. NASDAQ:AAPL Stock Price - Apple Inc. - TradingView
   https://www.tradingview.com/symbols/NASDAQ-AAPL/

3. Apple Inc. (AAPL) Stock Price Today - WSJ
   https://www.wsj.com/market-data/quotes/AAPL

[assistant.thinking]
  我将打开第一个网址，查看具体股价信息

[assistant.tool_call]
  web_fetch(url="https://www.coinbase.com/stock/AAPL")

[tool_result]
  Apple (AAPL) closed at $235.18 on May 10, 2026...

[assistant.thinking]
  搜索结果给出了具体价格 $235.18 和日期 May 10。
  日期对的话，我可以直接回复用户。

[assistant.content]
  Apple (AAPL) 在 2026 年 5 月 10 日收盘价为 $235.18。

这就是 ReAct 的真实模样。LLM 把思考、行动、观察交错地输出，像一个有自我意识的程序员在干活时的自言自语。

类比 · 程序员的自言自语

把那句“自言自语”展开，就是程序员在工位上干活的样子——一边想、一边动、一边看：

查资料、跑一条命令→Action　伸手去动外部世界

盯着报错和输出看→Observation　接住外部反馈

琢磨“原来错在这，下一步该……”→Thought　想清楚下一步

改一改、再试一次→进入下一轮 Loop

程序员并不会在动手前就把每一步都想全，而是边想边干、看一步走一步，直到把事情做完。ReAct 就是把这套“想—做—看—再想”的工作方式，变成了 LLM 的运转范式。

注意：

每一轮 ReAct Loop 的尾声必然是回复用户，中间则是若干轮的工具调用。这是 ReAct Trajectory 的典型特征。
ReAct 是主流 LLM Agent 能力的基础范式，该能力主要通过训练获得（主流为强化学习方案）

有一个非常容易与 ReAct 产生混淆的概念，就是“思维链”（Chain of Thought）。这两者有这本质的区别。思维链的工作模式是：输入问题->思考步骤 1->思考步骤 2...->最终答案。我们进一步对比一下两者的核心区别:

维度	CoT	ReAct
是否有外部交互	否	是（调工具）
信息来源	模型内部知识	内部知识 + 工具返回
适合场景	数学题、逻辑推理	决策、检索、状态修改
幻觉风险	较高	较低（有外部 grounding）

图 2 · CoT vs ReAct：有没有外部交互

左边 CoT 把所有推理关在模型内部，一条箭头都不出框；右边 ReAct 让思考与外部世界来回握手——Action 出去调用、Observation 带回结果，答案落在真实反馈之上（grounding），这也正是它幻觉更低的原因。

4.2 Coding Bot

给具备较强 ReAct 能力的 LLM 武装足量的工具，如文件读写、shell 调用、检索等等，它就演进成为了一个 Bot，也就是我们当前广义上认知的 Agent。

在此基础上，Agent 已经能够完成很多复杂任务了。

图 · 真实的 agent_loop（对应 mybot）

把 ReAct 装进真实工程：agent_loop 在 max_iterations 内循环——每轮带上 tools schema 请求 LLM，若响应含 tool_calls 就交给 ToolRegistry 逐个调用（filesystem / bash / webfetch / websearch / apply_patch / MCP 等工具群），把结果 append 回 messages 再进入下一轮；否则 finish_reason=stop，返回 assistant content。

例如，我们可以让它写一个 server-client 的程序

使用 nodejs 生成一个图像处理项目，它需要实现基本的图像处理功能。你除了编写该项目的核心后端功能代码以外，还需要为我实现一个现代化的前端页面，有配套的测试用例、接口文档

你在后台能够看到 LLM 会以 ReAct 的方式疯狂的干活，直到它完成目标，或者遇到一个任务中断点需要返回给用户。

- 创建项目结构 (mkdir, write_file)
- 写 package.json、写后端代码、写前端 HTML
- bash 跑 npm install
- 输出 → 哪个依赖装错了？调整 package.json 重试
- 写代码 -> pytest 跑测试 → 发现 bug → edit_file 修
...
- 写 API 文档 (write_file README.md)
- 直到所有测试通过

图 3 · Coding Bot 的自驱动循环

Coding Bot 在后台以 ReAct 方式连轴转：建结构 → 写代码 → 装依赖 → 跑测试，一路向右；装错了就调 package.json 重试，测出 bug 就回头改代码——带着回环不断自我修正，直到测试全绿，或遇到需要人工介入的中断点才停下。

整个过程都是 Agent 在后台自行完成的，全程无需人工来干预。当然，在最新的技术进展中，人工干预也是被设计出来的必要环节，目的是为了让 Agent 的工作目标以及工作质量定时与人工保持对齐，这是后话。总之，具备了一些关键工具的 ReAct Agent，就完全有能力作为一个强大性能的 Coding Bot 来使用了。

现场演示 · mybot 前端

启动 demo/serve.sh 后，给它一个多步任务（如“写一个小的 server-client 程序”），看它以 ReAct 方式连续调用工具，直到完成。

Agent Loop 演示看点

filesystem 工具——读写文件、组织项目结构
shell 工具——运行命令、编译与自测
web 工具——按需联网检索资料

4.3 小结与思考

本章小结

ReAct = 想—做—看—再想——Thought（想下一步）→ Action（动外部世界）→ Observation（接住反馈），循环往复直到回复用户。
Trajectory 的典型形状——每一轮 Loop 的尾声必是回复用户，中间则是若干轮的工具调用。
能力来自训练——ReAct 是主流 LLM Agent 的基础范式，主要靠强化学习获得，而非靠 prompt 拼出来。
Coding Bot 就是 agent_loop——给一个多步任务，Agent 以 filesystem / shell / web 工具边做边测边改，直到完成。

思考题

在 Agent Loop 中如何优雅地支持用户中断
如何阻止 Agent 使用工具的一些边界行为(例如 rm -rf/sudo...)
如果 Agent 在没有做完工作时缺回复完成，应当如何识别并处理
如何实现 Trajectory Replay

源码浏览器

选择左侧文件查看源码