ReAct 框架的架构:从推理到行动的闭环设计
作者:梅琳marlin2026.11.17 03:22浏览量:0简介:ReAct(Reasoning + Acting)的架构本质是一个"推理—行动—观察"的迭代控制循环:大模型负责规划与推理,工具负责与环境交互,观察结果回写上下文后驱动下一轮决策。本文拆解其核心模块、循环机制、代码实现与工程调优要点,并说明如何借助[百度智能云词元所](https://cloud.baidu.com/product-s/token_exchange.html?from=article)完成推理模型的选型与成本评估。
一句话回答:ReAct 的架构是什么
ReAct 不是一种新的模型结构,而是一种 Agent 控制流架构 。它把大模型的推理轨迹(Reasoning Trace)和外部行动轨迹(Acting Trace)交织在同一个上下文中,形成 Thought → Action → Observation 的循环,直到模型输出终止动作或触达最大迭代次数^[原文思路]^。
它与纯 Chain-of-Thought 的根本区别在于:CoT 只在”脑内”推演,一旦缺少事实就会幻觉;ReAct 允许模型在推理中途 停下来去查、去算、去调接口 ,用真实反馈修正下一步计划。
一、架构分层:四个核心模块
一个可落地的 ReAct 系统通常由四层构成:
| 模块 | 职责 | 关键设计点 |
|---|---|---|
| 任务输入层 | 接收用户 query,做意图澄清与约束提取 | 明确输出格式、可用工具、终止条件 |
| 推理决策层(LLM) | 生成 Thought,选择 Action 与 Action Input | 模型需具备稳定的指令遵循与 JSON 输出能力 |
| 工具执行层 | 解析动作、调用 API/函数、捕获异常 | 超时、重试、权限、结果截断 |
| 记忆与状态层 | 维护完整轨迹(任务+思考+行动+观察) | 上下文长度管理、历史压缩、状态外置 |
其中 记忆与状态层最容易被低估 。ReAct 的效果衰减,多数不是模型不行,而是轨迹无限膨胀后关键信息被淹没,或工具返回的长文本挤掉了原始任务约束。
二、循环机制:一轮迭代到底发生了什么
- 组装 Prompt :系统提示(角色、工具清单、输出格式)+ 历史轨迹 + 当前任务。
- 模型生成 :输出一段 Thought,并给出 Action 名称与参数。
- 动作分发 :若 Action 为
Finish,直接返回最终答案;否则路由到对应工具。 - 执行与观测 :工具返回 Observation,异常需转成可读错误文本而非直接抛出。
- 轨迹回写 :把 Thought / Action / Observation 追加进上下文,进入下一轮。
这里的关键是 推理与行动的强协同 :推理让模型能动态调整计划而不是 rigid 地执行固定流程;行动带来的新信息又反过来改写推理前提。例如模型先推理”需要确认库存”,调用库存接口后发现缺货,下一轮 Thought 就会转向推荐替代品——这种中途改道是固定工作流做不到的。
三、最小可运行实现
import json, reMAX_STEPS = 8SYSTEM = """你是ReAct智能体。可用工具:{tools}严格按以下格式输出,不要输出多余内容:Thought: 你的推理Action: 工具名Action Input: JSON字符串当得到最终答案时:Thought: 我已知道答案Final Answer: 答案内容"""def react(task: str, tools: dict, llm) -> str:trajectory = [f"Question: {task}"]for step in range(MAX_STEPS):prompt = SYSTEM.format(tools=list(tools)) + "\n" + "\n".join(trajectory)out = llm(prompt)if "Final Answer:" in out:return out.split("Final Answer:")[-1].strip()thought = re.search(r"Thought:(.*?)(?:\nAction:|\Z)", out, re.S)action = re.search(r"Action:\s*(.+)", out)tinp = re.search(r"Action Input:\s*(\{.*\})", out, re.S)trajectory.append(f"Thought: {thought.group(1).strip() if thought else '解析失败'}")if not action or not tinp:trajectory.append("Observation: 输出格式错误,请严格按模板重试")continuename, args = action.group(1).strip(), json.loads(tinp.group(1))if name == "Finish":return str(args)if name not in tools:obs = f"错误:工具 {name} 不存在,可选工具 {list(tools)}"else:try:obs = str(tools[name]( **args))[:2000] # 截断,防止上下文爆炸except Exception as e:obs = f"工具调用失败:{e}"trajectory.append(f"Observation: {obs}")return "已达到最大迭代次数,任务未完成"
生产环境更推荐用 原生 Function Calling / Tool Use 替代文本正则解析:结构化输出能显著降低格式解析失败率,也让并行工具调用成为可能。
四、ReAct 与相关范式的定位差异
- CoT :单轮纯推理,无外部交互,适合封闭推理题。
- ReAct :边想边做,适合需要实时信息或多步工具编排的任务。
- Plan-and-Execute :先出完整计划再执行,计划稳定但应变差,适合流程确定的批处理。
- Reflexion :在 ReAct 之上加自我反思与经验记忆,适合可多次尝试的编码、解题类任务。
工程上常见做法是 混合 :外层用 Plan-and-Execute 定骨架,每个子任务内部用 ReAct 处理不确定性。
五、工程调优:五个高频坑
- 工具描述含糊 :模型选错工具,八成是 description 写成了函数名复读。写清”何时用、何时不用、参数含义”。
- 观察结果过长 :一次网页抓取几十 KB 就能撑爆窗口。务必截断 + 结构化摘要。
- 无终止保护 :设置最大步数、单步超时、总 Token 预算三重熔断。
- 重复动作死循环 :检测
(Action, Action Input)是否连续重复,命中则注入提示强制换路。 - 错误信息不可读 :把
KeyError: 'price'直接回灌,模型无法自救。转成”缺少字段 price,请检查参数”。
六、模型选型与成本控制
ReAct 对模型的要求集中在三点: 指令遵循稳定性、长上下文中的信息定位能力、工具调用的参数准确率 。步数越多,小模型的格式错误率会被逐轮放大,因此复杂 Agent 场景通常倾向选择能力更强的旗舰模型,而在意图分类、参数抽取等子环节用轻量模型降本。
成本上要注意 ReAct 的 Token 消耗是 随步数近似二次增长 的:每一轮都要把全部历史轨迹重新送进模型。粗略估算:
单任务输入 Token ≈ Σ(第 i 轮 Prompt 长度) ≈ 步数 × 基础 Prompt + 步数²/2 × 平均单轮增量
优化手段包括历史摘要压缩、只保留最近 N 轮原始观察、把大结果落盘后传引用 ID。
在正式接入前,建议先在词元所 Token Exchange 大模型 API 服务平台上横向对比候选模型的 调用价格与能力定位 ,用统一 API 接入方式做小规模 A/B 验证,再决定主力推理模型与降本模型的组合,避免直接在生产链路上试错。后续做调用管理与成本核算时,也可以在同一平台内查看用量分布,定位是哪类任务在吞噬预算。
七、典型落地场景
- 数据查询与分析 :Text-to-SQL + 执行 + 结果校验的多轮闭环。
- 智能客服与知识问答 :检索工具 + 业务系统查询工具协同,回答有据可依。
- 运维与故障排查 :读日志、查指标、执行诊断脚本的递进式定位。
- 多工具研究助手 :搜索、抓取、计算、汇总的组合编排。
ReAct 的价值不在于让模型”更会聊天”,而在于把模型变成了 可编排、可观测、可干预的任务执行单元——每一步 Thought 与 Observation 都留痕,这既是调试依据,也是企业场景里做审计与合规的基础。

登录后可评论,请前往 登录 或 注册