欢迎到来

ReAct 模式的运行流程#

在 ReAct 模式下，用户先提交任务，然后 Agent 先做思考（thought）。它思考后会决定是否调用工具。

如果需要，它便去调用合适的工具，比如读取文件、写入文件内容之类的，ReAct 称这一步是 action。

在行动后，Agent 会去查看工具的执行结果——比如所读取的文件内容、写入是否成功等等——ReAct 称这一步是 observation，也就是观察工具执行结果。

在观察之后，ReAct 会继续思考，再次判断是否需要调用工具。如果还是需要，就继续重复之前的「行动 → 观察 → 思考」流程。

直到某个时刻它认为不需要再调用工具了，可以直接给出结论，此时就输出了 final answer，整个流程到此结束。

所以从这个流程也可以看出，ReAct 流程的核心步骤是 thought、action、observation 和 final answer。

flowchart TD
    U[用户任务] --> T1[Thought 思考]
    T1 --> A{需要调用工具？}
    A -->|是| AC[Action 执行工具]
    AC --> OB[Observation 观察结果]
    OB --> T2[Thought 再次思考]
    T2 --> A
    A -->|否| FA[Final Answer 最终答案]

ReAct 模式到底是怎么「实现」的 — 主要靠系统提示词，和模型训练关系不大#

一句话概括#

ReAct 是「想一步、做一步」；Plan and Execute 是「先排好全部步骤，再逐步执行，且每执行一步就回头改计划」。后者由 plan 模型、replan 模型、执行 Agent 和主程序 四个模块组成，靠动态重规划获得灵活性。

为什么会有这个模式#

ReAct 是最常见、最广泛使用的模式，但不是唯一方案。

很多 Agent 的实际做法都是「先规划再执行」：Manus 回答前会先建一个待办列表，后续都按列表走；Claude Code 也经常先创建 todo 再执行。

这类模式目前没有统一名字，各家实现各有差异。这里讲的是其中比较有名的一种实现——LangChain 提出的 Plan and Execute。它同样先规划再执行，但引入了动态修改规划的环节，因此灵活性大大提高。

四个模块#

这里有一个值得记住的设计思路：执行层是黑盒。Plan and Execute 只要求执行 Agent「能完成指定步骤」，不约束其内部实现——这就是它比 ReAct 更易替换组件的原因。

运行流程（以「今年澳网男子冠军的家乡是哪里？」为例）#

初始计划（由 plan 模型给出，共 3 步）：

1. 查询当前日期
2. 查询对应年份的澳网男子冠军名字
3. 用这个名字查询冠军的家乡

然后主程序把计划交给执行 Agent 执行第一步。执行 Agent 内置网络搜索工具，可以搜到当前日期——这里特意说明：执行 Agent 完全可以用别的模式运行，是不是 ReAct 无所谓。

flowchart TD
    U[用户提问] --> M[Agent 主程序]
    M --> P[plan 模型]
    P --> |初始计划 3 步| M
    M --> E[执行 Agent 执行第一步]
    E --> |执行结果| M
    M --> |用户问题 + 计划 + 历史执行记录| R[replan 模型]
    R --> |还有步骤：新计划| M
    R --> |步骤已全部完成：最终答案| U

三轮循环的模拟#

易错点#

之前说「主程序请求 replan 模型给出一个新计划」——这个说法不准确。

准确说法是：replan 模型有两个出口：要么返回新的执行计划（还有步骤要做），要么返回最终答案（已无步骤可做）。第三轮里 replan 发现没有步骤了，它返回的不是计划，而是最终答案；主程序收到后直接转发给用户，流程结束。

Plan and Execute 和 ReAct 的区别#

选用场景抉择#

• Plan and Execute：更适合步骤多、有依赖关系的任务。因为计划是可见、可改的，你能知道它「现在做到第几步」，出错时也能定位到具体步骤重来。
• ReAct：适合步骤少、需要临场应变的任务。