考察点
ReAct 是 Agent 工作模式里的必考题，后面必跟「怎么防止死循环」「和 Plan-and-Execute 的区别」。面试官想确认你不只会背 Reasoning + Acting 两个词，而是真的写过这个循环：轨迹怎么拼进 prompt、工具结果怎么回填、什么时候停下来。
参考答案
原理：把「想」和「做」交织起来
ReAct 出自 2022 年 Google 的论文，核心思想一句话：让模型在每一步同时输出「我在想什么」和「我要做什么」。传统的 Chain-of-Thought 只在脑子里推理，推到底才给答案，中间没法接触外部世界；纯工具调用又缺少显式推理，模型容易乱调。ReAct 把两者交织成一个循环：
Thought: 用户问的是今年特斯拉股价，我的知识截止了，需要查实时数据
Action: search("Tesla stock price 2026")
Observation: 搜索结果……
Thought: 拿到了当前价格，但还需要对比年初数据
Action: search("TSLA price January 2026")
Observation: ……
Thought: 信息够了，可以回答
Final Answer: ……
关键机制是 Observation 回填：每次工具执行的结果作为新的上下文拼回 prompt，模型下一步的推理建立在前一步的真实观察上，而不是自己的想象上。这一下就掐住了纯 CoT 最大的毛病——推理链里某一步想错了，后面全盘皆错，ReAct 至少能用外部世界的反馈纠偏。
工程落地的三个细节
1. 轨迹格式别自己发明。 现在主流模型（GPT-4o、Claude、Qwen 等）都原生支持 tool_calls 协议，生产环境直接用模型的 Function Call 能力，不要退回「prompt 里教模型输出 Action: xxx 再用正则解析」的老路——那是 ReAct 论文时代的做法，现在只有模型不支持 FC 时才用。Thought 这一侧，很多框架把推理放在 tool_call 的 reasoning 字段或者消息 content 里，效果一样。
2. 上下文管理是成本大头。 ReAct 每跑一步，完整轨迹（所有历史 Thought + Action + Observation）都要重新喂给模型，token 消耗随步数线性甚至超线性增长。我踩过的坑是网页抓取类的工具：一个页面几十万字塞进 Observation，两轮就爆了。工程上的做法是工具层截断（比如搜索结果只留前 500 字 + 摘要），或者把大对象存外部存储、上下文里只放引用句柄。
3. 必须有刹车。 ReAct 循环的标准三件套：max_iterations（我一般设 10-15）、wall-clock 超时、token 预算。再加一个「重复检测」：连续两轮 Action 相同且参数相同，直接判死循环退出。这些是兜底的，后面追问里展开。
优缺点和适用场景
优点：简单、通用、可解释——轨迹本身就是审计日志，出了错能顺着 Thought 一步步查。缺点也明显：局部贪心，模型只看眼前一步，长程任务容易跑偏；串行执行，延迟随步数累加；每步都要全量重放上下文，成本不低。
所以我的选型习惯是：步骤数 3-8 步、路径不可预知的探索型任务（故障排查、深度检索、代码修复），ReAct 是默认选择；步骤超过 10 步或者子任务能并行，就该考虑 Plan-and-Execute 了。
一个最小实现
伪代码也就几十行：
for step in range(max_steps):
resp = llm.chat(messages, tools=tools)
if resp.final_answer:
return resp.final_answer
for call in resp.tool_calls:
result = execute(call) # 带超时和异常捕获
messages.append(tool_msg(call.id, truncate(result)))
raise LoopExhausted("超过最大步数，转人工或降级")
骨架就这么简单，真正的工程量全在 execute 的容错、truncate 的上下文管理、以及 messages 的裁剪策略里。
可能的追问
- 「ReAct 死循环怎么防？」 三层：硬上限（步数/超时/token 预算）、重复检测（同 Action 同参数连续出现即退出）、prompt 层引导（告诉模型「两次尝试失败就换策略或放弃」）。
- 「ReAct 和 CoT 的区别？」 CoT 是单次调用内的纯推理，不接触外部世界；ReAct 是多次调用的循环，每步用真实观察校正推理，抗幻觉能力更强但成本高。
- 「ReAct 和 Plan-and-Execute 怎么选？」 看任务可分解性：能提前拆出稳定子任务的用 Plan-and-Execute 省 token；路径必须边走边看的用 ReAct。