Vibe Coding 与 AI Agent 全景知识库

主题

8.2 ReAct 思考范式：手写 Thought-Action-Observation 极简闭环 ​

“炒菜的大厨不会只凭空在脑子里算放几克盐，而是加一小勺（Action），用舌头尝一口（Observation），发现淡了（Thought），再补半勺，直到味道刚刚好。”

🍳 什么是 ReAct？大模型的“试错自愈小马达” ​

在经典的单次大模型问答中，模型的交互是一锤定音的：你问它一个问题，它一次性吐出所有文字。如果中途算错了或者信息不全，它没有任何机会纠错。

而在 2022 年，普林斯顿大学与 Google 团队提出了著名的 ReAct (Reason + Act) 范式。它的核心精髓非常朴素：把“思考 (Reasoning)”与“行动 (Acting)”交织在一起，形成一个能够根据环境反馈不断自我修正的死循环！

🍳 什么是 ReAct？大模型的“试错自愈小马达”

🧩 为什么 ReAct 比单纯的思维链 (CoT) 更强大？ ​

思考范式运作方式生活比喻致命痛点
直接问答一次性脑补输出闭着眼睛盲猜扔飞镖容易一本正经地胡说八道（幻觉）
思维链 (CoT)在草稿纸上写出 1-2-3 步骤心算数学大题写步骤无法获取外部最新信息，算错一步全盘皆输
ReAct 范式想一步 ➔ 调一次工具 ➔ 看一眼结果 ➔ 再想下一步大厨边尝咸淡边调整放调料能查实时数据、能看报错自愈、强抗干扰

💻 源码实现与深度拆解 ​

在 code/s02_react_loop.py 中，我们完全不依赖 LangChain，直接用原生 Python 编写了 ReAct 循环引擎：

python
# 核心 ReAct 调度循环核心片段
for step in range(self.max_steps):
    # 1. 驱动大模型产生 Thought 与 Action
    response = self.client.chat(messages=[{"role": "user", "content": prompt}], temperature=0.2)
    output = response.choices[0].message.content.strip()
    prompt += output + "\n"

    # 2. 如果包含 Final Answer，说明目标达成，退出循环
    if "Final Answer:" in output:
        return output.split("Final Answer:")[-1].strip(), steps_log

    # 3. 正则捕获 Action: 工具名[参数]
    action_match = re.search(r"Action:\s*(\w+)\[(.*?)\]", output)
    if action_match:
        tool_name, tool_arg = action_match.group(1), action_match.group(2)
        # 真实调用 Python 函数
        observation = self.tools[tool_name](tool_arg)
        # 将真实结果以 Observation 角色拼回 Prompt
        prompt += f"Observation: {observation}\n"

为什么这里 Prompt 拼接是核心？ ​

大模型本身是没有“记忆”的。每一轮循环中，我们把前几轮的 Thought、调用的 Action 以及环境真实返回的 Observation，作为新的上下文完整发回给大模型。大模型读取到 Observation: 22°C 后，它的注意力机制会自动聚焦在这一新事实上，进而产生下一轮更精确的 Thought！

🕹️ 在 Gradio 中动手体验 ​

启动 code/app.py 并切换到 8.2 ReAct 思考范式 标签页：

  1. 输入复杂问题：北京和深圳现在的气温加起来是多少度？
  2. 点击 运行 ReAct 思考推演；
  3. 你将亲眼目睹 Agent 分解为两步工具查询、一次加法运算，最终整合输出！
ReAct 思考范式可视化沙箱推演

▲ Gradio 沙箱中 8.2 ReAct 思考闭环推演与步骤追踪 (Trace)

json
[
  {
    "step": 1,
    "thought": "我需要先查北京的气温，再查深圳的气温，最后相加。",
    "action": "search_weather[北京]",
    "observation": "晴，气温 22°C，微风"
  },
  {
    "step": 2,
    "thought": "北京是 22°C。接下来查询深圳的气温。",
    "action": "search_weather[深圳]",
    "observation": "雷阵雨，气温 28°C，注意带伞"
  },
  {
    "step": 3,
    "thought": "深圳是 28°C。现在计算 22 + 28。",
    "action": "calculate[22 + 28]",
    "observation": "50"
  },
  {
    "step": 4,
    "thought": "我现在知道了最终答案。",
    "action": "完成",
    "observation": "达成目标"
  }
]

🔁 进阶深化一：抽象出"通用 Agent 主循环"（参考 learn-claude-code s01） ​

learn-claude-code 全书第一课就强调：无论哪个语言、哪种范式，所有 AI 编程 Agent 的底层都是同一个 通用主循环。把本节的 ReAct 循环再抽象一层，就得到它的最简形态：

python
while True:
    response = client.chat(messages=messages, tools=tools)   # 1. 模型决策
    if not response.choices[0].message.tool_calls:            # 2. 不再需要工具 -> 结束
        break
    for tc in response.choices[0].message.tool_calls:         # 3. 逐条执行工具
        result = dispatch(tc.function.name, tc.function.arguments)
        messages.append({"role": "tool", "tool_call_id": tc.id, "content": result})

ReAct、Plan & Execute 和后面的 Subagent，都是在同一个主循环上采用不同的任务策略。它们共有的过程是“模型决策 ➔ 工具执行 ➔ 结果回填 ➔ 再决策”。理解这条链路之后，再读框架源码时就能找到各个组件的位置。

🪞 进阶深化二：Reflection 反思范式（参考 hello-agents 第四章） ​

hello-agents 在 ReAct、Plan-and-Solve 之外还系统讲解了第三种经典范式 Reflection（反思）：让大模型先生成一份初稿，再请"另一个自己"充当苛刻的评审官挑漏洞，最后带着评审意见重写，形成 Generate ➔ Critique ➔ Revise 的自我对线循环。它与 8.10 的 Critic 子代理异曲同工，只是不另开上下文、直接在同一轮里完成：

python
def reflection_loop(self, prompt: str, max_rounds: int = 2) -> str:
    draft = self.client.chat([{"role": "user", "content": prompt}])   # 1. 初稿
    draft = draft.choices[0].message.content
    for _ in range(max_rounds):
        critic = self.client.chat([{"role": "user",
            "content": f"你是苛刻的评审官，请挑出以下方案的漏洞并给改进建议：\n{draft}"}])
        feedback = critic.choices[0].message.content                  # 2. 批判
        draft = self.client.chat([{"role": "user",
            "content": f"结合评审意见重写，务必更严谨：\n原文：{draft}\n意见：{feedback}"}])
        draft = draft.choices[0].message.content                      # 3. 重写
    return draft

💡 小贴士：ReAct 管"能不能做对"，Plan & Execute 管"方向别跑偏"，Reflection 管"质量够不够硬"——三者合体才是完整的大模型思考工具箱。

Observation 必须保留事实 ​

ReAct 能否纠错，很大程度取决于 Observation 是否可靠。工具报错时，不要只返回“执行失败”，应保留错误类型、关键提示和可重试条件；结果过长时可以裁剪，但要留下原始结果的位置。模型看到的是事实，下一轮才有可能换对方法。

循环还需要停止条件。达到最大轮数、连续得到相同错误、任务已经满足验收标准，或继续执行需要新的授权时，都应退出循环并说明原因。否则“会重试”很容易变成“不断重复”。

📝 本节小结 ​

  • ReAct 本质：通过 Thought ➔ Action ➔ Observation 三位一体循环，将静态大模型转变为动态交互体；
  • 自愈能力来源：工具报错时，报错信息直接作为 Observation 喂回，大模型会自动反思并换一种方式重试；
  • 局限性：ReAct 适合“走一步看一步”的短链条即时任务；面对超复杂的宏观项目时，容易迷失在局部细节中。为了解决宏观把控问题，我们进入下一节——8.3 Plan and Execute 规划范式！