一句话定义
ReAct（Reasoning + Acting）是一种让大模型智能体把“推理”和“行动”交替进行的工作方式：模型先想一步，再调用工具或执行动作，拿到结果后继续想，直到完成任务。
它怎么运作
典型循环是 Thought → Action → Observation → Thought……。Thought 是模型对当前局面的判断；Action 是它决定做的事，比如搜索、查数据库、运行代码、发请求；Observation 是环境返回的结果。模型看到结果后调整下一步。
打个比方：你在陌生城市找餐厅，不是站在路边一次性想完所有路线，而是“先想：查地图 → 打开地图 → 看到结果 → 再想：这家太远，换一家 → 再查”。ReAct 把这种“边想边做、边做边想”变成智能体的基本节奏。
和相邻概念的区别
| 概念 | 特点 |
|---|---|
| Chain-of-Thought (CoT) | 主要在模型内部推理，不必然接触外部工具 |
| ReAct | 推理与工具/环境交互交织，多轮迭代 |
| Plan-and-Execute | 先定完整计划，再分步执行，ReAct 更反应式 |
| 普通工具调用 | 可能只调一次，ReAct 强调循环并根据观察修正 |
实际意义
对从业者，设计 Agent 时要定义动作空间、观察格式、终止条件和错误处理；提示模型输出简短决策依据即可，不必暴露全部私密推理。对普通人，你用的 AI 搜索、订票助手、代码助手，背后可能就在跑类似循环。理解 ReAct 就能明白：AI 为什么会“先查一下再回答”，也会因为工具报错、观察噪声或陷入循环而失败。具体框架实现与 API 以官方页面为准。