定义
ReAct框架是构建Agent的一种方法，他将推理（Reasoning）和行动（Acting）在交织在一个由 LLM 驱动的循环中，所以ReAct是推理+行动（Reasoning + Acting）的缩写，它指示模型在生成自然语言思维和执行具体行动之间交替进行。
工作原理
ReAct通过重复循环运行：语言模型接收到描述任务，可用工具和上下文的提示，生成一个推理轨迹，然后执行操作，接收来自环境的观察结果 ； 然后重复这个过程，直到任务完成或者满足停止条件。
由于规划，决策，分支逻辑，执行逻辑的行为都像随机过程，而非确定性的程序。意味着什么时候重试如何从错误中恢复等决策都是根据下一个标记概率中推断出来的。
这种方式不需要为每个任务训练一个训练一个新模型，但是他会在不同的运行中产生高的成本、延迟、准确率的差异，尤其是长周期设置中。
用途
ReAct框架被广泛用于构建和评估Agent的基础架构，他吃撑着许多工具的LLM系统、编码助手、和研究代理。 因为他不需要自定义编排基础设置吗， 只需要简单的提示和工具调用就可以实现。ReAct常用语网络搜索，代码执行，文档问答，交互式数据分析任务。然而，他依赖外部Token生成的控制流。执行长时间、复杂的任务容易故障。比如陷入死循环。偏离初始计划。