【系统学AI】07 ReAct范式：从奠基之作到Reflexion/RAF的演进

2022年Yao等人提出的ReAct，是Agent推理范式的奠基之作。2025-2026年，业界对它的认知更成熟了——ReAct不是终点，而是起点。这篇文章讲透ReAct核心机制、它的硬伤、以及2025-2026演化出的Reflexion / RAF等替代方案。

一句话总结

ReAct = Reasoning + Acting，让LLM在每一步都先"想"再"做"，通过Thought-Action-Observation循环实现推理与行动的协同。但ReAct有四大硬伤——步骤冗余、错误难恢复、上下文膨胀、循环死锁。2026年的工业实践已经在用Reflexion（自反思）、RAF（多层元认知）、Anthropic Subagents等模式替代或补强纯ReAct。

1. 为什么需要ReAct？

1.1 之前的问题

纯推理（Chain-of-Thought / CoT）：模型只"想"不"做"，无法获取外部信息，容易产生幻觉。

Q: 2026年诺贝尔物理学奖得主是谁？ CoT: 让我推理一下...诺贝尔物理学奖通常颁给... → 猜了一个错误答案（因为知识截止在训练时）

💡CoT（Chain-of-Thought，思维链）：Google 2022年提出，让模型在回答前先生成"推理过程"再给答案，显著提升数学/逻辑题准确率。但CoT的根本局限是——它只能在"训练时记住的知识"内推理，遇到训练后的事实就抓瞎。

纯行动（Act-only）：模型只"做"不"想"，连续调用工具但缺乏规划，容易走弯路。

Act-only: search("诺贝尔奖") → 搜索结果太多 search("2026诺贝尔") → 还是不精确 search("2026诺贝尔物理学奖") → 终于找到了 → 花了3步，效率低

1.2 ReAct的解法

先想再做——每一步都明确当前目标，选择最有效的行动：

Thought: 我需要查2026年诺贝尔物理学奖，搜索词要精确 Action: search("2026 Nobel Prize in Physics") Observation: ...（搜索结果） Thought: 找到了，让我确认一下具体贡献 Action: lookup("...贡献") Observation: ... Thought: 信息完整了，可以回答 Answer: 2026年诺贝尔物理学奖颁给了...

2步搞定，比Act-only的3步更高效，比CoT更准确。

2. ReAct核心机制

2.1 Thought-Action-Observation循环

┌──→ Thought（思考）──→ Action（行动）──→ Observation（观察）──┐ │ │ └──────────────────── 循环直到任务完成 ←─────────────────────┘

2.2 Prompt模板

ReAct的关键是Prompt设计，让LLM按固定格式输出：

你是一个能使用工具的Agent。请严格按照以下格式输出： Question: [输入的问题] Thought: [你当前的思考] Action: [工具名称(参数)] Observation: [工具返回的结果] ... (Thought/Action/Observation可重复多次) Thought: [最终思考] Final Answer: [最终答案] 可用工具： - search(query): 搜索引擎 - lookup(term): 在当前页面查找术语 - finish(answer): 返回最终答案

3. 代码实现（2026版）

3.1 最小ReAct Agent（直接调用Claude/GPT）

importrefromanthropicimportAnthropic client=Anthropic()REACT_PROMPT="""你是一个ReAct Agent。请严格按照Thought/Action/Observation格式输出。 可用工具： - search(query): 搜索互联网 - calculate(expr): 计算数学表达式 - finish(answer): 返回最终答案 Question: {question} {history} Thought: """defreact_agent(question,max_steps=10):history=""forstepinrange(max_steps):prompt=REACT_PROMPT.format(question=question,history=history)response=client.messages.create(model="claude-opus-4.7",# 2026推荐主流模型messages=[{"role":"user","content":prompt}],max_tokens=500,)output=response.content[0].text.strip()# 解析Thought和Actionthought_match=re.search(r"Thought:\s*(.+)",output)action_match=re.search(r"Action:\s*(\w+)\((.+?)\)",output)ifnotthought_matchornotaction_match:breakthought=thought_match.group(1)tool_name=action_match.group(1)tool_args=action_match.group(2)history+=f"Thought:{thought}\nAction:{tool_name}({tool_args})\n"# 执行工具iftool_name=="finish":returntool_argseliftool_name=="search":observation=search_tool(tool_args)eliftool_name=="calculate":observation=str(eval(tool_args))else:observation=f"Unknown tool:{tool_name}"history+=f"Observation:{observation}\n"return"未能完成任务"# 使用result=react_agent("2026年诺贝尔物理学奖得主是谁？")print(result)

3.2 用Claude Agent SDK实现（2026推荐）

fromclaude_agent_sdkimportAgent,tool@tooldefsearch(query:str)->str:"""搜索互联网"""returnsearch_engine.query(query)@tooldefcalculate(expr:str)->str:"""计算数学表达式"""returnstr(eval(expr))# Claude Agent SDK内部就是ReAct循环agent=Agent(model="claude-opus-4.7",system_prompt="你是一个使用ReAct范式的研究助手",tools=[search,calculate],max_iterations=10,# 限制最大循环数)result=agent.run("2026年诺贝尔物理学奖得主是谁？")

3.3 用LangGraph实现（生产级）

fromlanggraph.prebuiltimportcreate_react_agentfromlangchain_anthropicimportChatAnthropic llm=ChatAnthropic(model="claude-opus-4.7",temperature=0)tools=[search_tool,calc_tool]agent=create_react_agent(llm,tools)result=agent.invoke({"messages":[("user","2026年诺贝尔物理学奖得主是谁？")]})

💡2026年的代码差异：旧版（2024）用gpt-4o+langchain.agents.create_react_agent，2026年主流是claude-opus-4.7+ LangGraph的create_react_agent（已迁移到langgraph包）。Hugging Face的hub.pull("hwchase17/react")老prompt已不再推荐使用。

4. ReAct vs CoT vs Act-only

论文关键发现（Yao et al., 2022）：

ReAct在HotpotQA和ALFWorld上的表现优于CoT和Act-only。特别是在需要多步推理+信息检索的任务中，ReAct的优势最明显。

5. ReAct的四大硬伤 ⚠️ 2025-2026业界共识

5.1 步骤冗余 + Token膨胀

ReAct每步都要"想"一下，简单任务太慢：

Question: 1+1等于几？ Thought: 我需要计算1+1 Action: calculate(1+1) Observation: 2 Thought: 计算完成 Final Answer: 2

直接回答不好吗？对于简单问题，CoT或直接回答更高效。Token成本随步数线性增长，长任务可能消耗数十万Token。

5.2 错误难恢复 + 死循环风险

ReAct的决策完全依赖"上一步的Thought + Observation"——如果工具返回了错误或误导性结果，Agent很容易陷入死循环：

Thought: 我需要搜索X Action: search("X") Observation: [无关结果] Thought: 搜索结果不对，让我重试 Action: search("X") ← 重复同样的错误！ Observation: [还是无关结果] ... 无限循环

2025年研究表明：纯ReAct在长任务上有30-50%的概率走入死循环。这是Reflexion/RAF诞生的直接动力。

5.3 思考质量不稳定

LLM的"Thought"可能不准确，导致后续Action方向错误：

Thought: 我应该搜索"法国首都" ← 实际上可以直接回答 Action: search("法国首都")

或者在多步推理中，前一步的错误判断会层层放大到后续步骤。

5.4 上下文窗口消耗 + Lost in the Middle

每次循环都把全部历史塞进上下文，长任务的Token可能溢出。即使不溢出，LLM在长上下文中容易"丢失中间信息"（Lost in the Middle问题），关键的早期Observation可能被忽略。

💡Lost in the Middle：Stanford 2023年研究发现，LLM在长上下文中对开头和结尾的信息记忆好，对中间部分会"忽略"。ReAct长循环正好踩中这个雷。

6. ReAct的演进（2024-2026）

6.1 Reflexion：加自反思的ReAct ⭐

Reflexion（2023.03提出，2024-2025成熟）是ReAct的直接演进：在ReAct循环外包一层"反思学习"。

三组件架构：

┌──────────────────────────────────────────────┐ │ Loop 1: Actor (执行ReAct) │ │ Thought → Action → Observation → ... │ └──────────────────────────────────────────────┘ ↓ ┌──────────────────────────────────────────────┐ │ Loop 2: Evaluator (评估结果) │ │ 成功？还是失败？为什么？ │ └──────────────────────────────────────────────┘ ↓ 失败 ┌──────────────────────────────────────────────┐ │ Loop 3: Self-Reflection (自我反思) │ │ "我失败是因为...下次应该..." │ │ 存入Episodic Memory │ └──────────────────────────────────────────────┘ ↓ 重新进入Loop 1 (带着上次的反思)

💡Verbal Reinforcement（口头强化）：Reflexion的核心创新——反思是自然语言而不是参数更新。比如失败后生成"我应该先测试空列表再处理"，存到Episodic Memory，下次重试时把这条反思塞进Prompt。不需要训练LLM权重，只是改Prompt。

实测效果（HumanEval代码任务）：

Reflexion不是模型变强了，是元认知变强了——同样的模型，加了自反思能多对11%的题。

6.2 RAF：多层元认知架构 ⭐ 2025前沿

RAF（Reflective Agentic Framework）是2025年最前沿的Agent架构，把Agent分成两层：

┌─────────────────────────────────────────┐ │ Reflective Layer (反思层) │ │ Tier 4: 知识重构 │ │ Tier 3: 假设生成 + 主动实验 │ │ Tier 2: 经验整合 + 外部因素 │ │ Tier 1: 后果引擎 (Pre-action governance)│ └─────────────────────────────────────────┘ ↑↓ ┌─────────────────────────────────────────┐ │ Base Layer (基础层) │ │ 感知 → 规划 → 行动 → 观察 │ │ (这就是ReAct/Reflexion所在的层) │ └─────────────────────────────────────────┘

Tier 1后果引擎：在动作执行前先模拟后果，可以阻止危险操作（“伦理守护”）。

Tier 4知识重构：让Agent能重组自己的知识结构，产生质变学习。

RAF代表的是"内化趋势"：ReAct依赖外部Tool反馈，Reflexion把反馈内化为自我评估，RAF进一步建立专门的元认知子系统。

6.3 Anthropic Subagents：实战派的解法

Anthropic在Claude Code的实践给出了最务实的ReAct演进——Subagents（子Agent）：

主Agent (主上下文) │ ├── Subagent 1 (独立上下文，做搜索) │ ↓ 只返回精炼结果 ├── Subagent 2 (独立上下文，做代码分析) │ ↓ 只返回精炼结果 └── 主Agent 整合 → 输出

核心思想：把会污染主上下文的长链ReAct交给Subagent，Subagent跑完只把结论传回，主Agent的上下文保持干净。

这是生产环境唯一稳定work的多Agent模式——把昂贵的搜索/长工具链/重计算下放到隔离的子上下文。

6.4 改进方案对比

7. 何时不该用ReAct ⚠️ 2026 Anthropic指引

Anthropic 2024.12发布的《Building Effective Agents》给出了清晰指引——ReAct不是默认方案。

7.1 ReAct不需要的场景

7.2 ReAct最适合的场景

• 信息需要逐步获取才能决定下一步
• 策略需要根据中间结果动态调整
• 工具调用次数无法预知

适合ReAct: "调研竞品的产品策略并给出对比报告" 不适合ReAct: "把这段中文翻译成英文"

7.3 决策树

你的任务... ├── 不需要工具？→ 直接回答 ├── 需要工具但路径明确？→ Workflow / Prompt Chaining ├── 需要全局规划？→ Plan-then-Execute ├── 需要动态决策 + 容易出错？→ Reflexion (ReAct + 反思) ├── 需要并行隔离上下文？→ Anthropic Subagents └── 需要逐步探索 + 工具反馈足够好？→ ReAct ✅

8. 面试高频问题

Q1：ReAct和CoT的本质区别？

CoT只"想"不"做"，推理在模型内部完成；ReAct"边想边做"，推理和行动交替进行，能获取外部信息。ReAct = CoT + 工具循环。

Q2：ReAct什么时候不如CoT？

(1) 不需要外部信息的纯推理任务（如数学证明）；(2) 简单问题，ReAct的额外步骤是浪费；(3) 工具不可靠时，外部信息反而引入噪声。

Q3：ReAct的四大硬伤是什么？

(1) 步骤冗余 + Token膨胀；(2) 错误难恢复 + 死循环风险（30-50%概率）；(3) 思考质量不稳定；(4) 上下文窗口消耗 + Lost in the Middle。

Q4：Reflexion比ReAct强在哪？

Reflexion在ReAct外包了"评估+反思+记忆"循环。失败后生成自然语言反思，存入Episodic Memory，下次重试时带着教训。HumanEval上从GPT-4的80% pass@1提升到91%——没改模型，只改控制结构。

Q5：Anthropic Subagents和Multi-Agent的区别？

Multi-Agent是平等协作的多个Agent；Subagents是主从架构——主Agent调度子Agent，子Agent有独立上下文，跑完只把结论传回。Subagents是生产唯一稳定work的多Agent模式，因为它解决了"上下文污染"这个核心问题。

Q6：什么时候不该用ReAct？

(1) 直接事实问答；(2) 单步推理任务；(3) 路径明确的Workflow场景；(4) 简单的单次工具调用。Anthropic的建议是：能用Workflow解决的不要用Agent，能用直接回答的不要用ReAct。

总结

ReAct是Agent推理范式的起点，但不是终点。2025-2026的Agent工程已经从"纯ReAct"进化到"ReAct+反思+元认知+子Agent隔离"的混合架构。理解ReAct的硬伤，才能正确选择何时用它、何时用替代方案——这是2026年Agent工程师的必备认知。

路易乔布斯 © 2026 | AI Agent & RAG学习计划 · 模块01-Agent · 第二篇

参考文献：

• Yao et al., “ReAct: Synergizing Reasoning and Acting in Language Models”, 2022
• Shinn et al., “Reflexion: Language Agents with Verbal Reinforcement Learning”, 2023
• Anthropic, “Building Effective Agents”, 2024.12
• “Reflective Agentic Framework (RAF)”, 2025