ReAct 提示：边思考边行动

只靠模型「脑子里的知识」答题，要么算不对，要么编事实。ReAct（reasoning + acting）把两件事交错进行：模型写一步推理，调一次外部工具，再把查到的信息喂回推理。读完这篇你会知道 ReAct 提示长什么样、在哪些任务上真的有效，还能用 LangChain 搭一个会搜索、会算数的 ReAct 代理。如果接下来要做需要查资料、调工具的智能体，这套模式几乎是绕不开的第一课。

ReAct 是什么

ReAct 由 Yao 等人 2022 年提出。在这个框架里，大模型以交错的方式生成推理轨迹（reasoning trace）和任务特定操作（action）^[1]。推理轨迹让模型能够归纳、跟踪、更新行动计划，甚至处理异常情况；操作则允许模型与知识库、搜索引擎这类外部源交互、收集信息 ^[1]。

它和思维链的关系值得说清楚：思维链只有推理，模型与外部世界没有接触，知识也不会更新，因此容易出现事实幻觉和错误传播 ^[1]。ReAct 把推理和行动结合起来——推理决定下一步查什么，查到的信息又支撑下一步推理，两者互相带路 ^[1]。交错结构还有两个实用好处：一是每个观察都来自工具的真实返回，模型的话有据可查，幻觉更少；二是整条轨迹人类可读，哪一步搜错了、哪一步推歪了，一眼就能看出来，调试比黑盒式的一问一答容易得多 ^[1]。作者发现，把 ReAct 与思维链结合的最好方式，是在推理过程中同时使用内部知识和检索到的外部信息 ^[1]。

ReAct 提示长什么样

一个 ReAct 轨迹由多个「思考—操作—观察」步骤组成。自由格式的思考负责分解问题、提取信息、做常识或算术推理、组织搜索词、合成最终答案；操作去调用外部工具；观察是工具返回的结果 ^[1]。出自 HotpotQA 数据集的一个例子，摘自论文并缩短为一条示例 ^[1]：

问题 科罗拉多造山带东部区域延伸到的区域的海拔范围是多少?
思考 1 我需要搜索科罗拉多造山带，找到科罗拉多造山带东段延伸的区域，然后找到该区域的海拔范围。
操作 1 搜索 [科罗拉多造山带]
观察 1 科罗拉多造山带是科罗拉多及其周边地区造山运动的一段。
思考 2 它没有提到东部地区。所以我需要查一下东部地区。
操作 2 查找 [东部地区]
观察 2 (结果 1 / 1) 东部区域延伸至高平原，称为中原造山带。
思考 3 科罗拉多造山运动的东部区域延伸到高平原。所以我需要搜索高平原，找到它的海拔范围。
操作 3 搜索 [高平原]
观察 3 高平原指的是两个截然不同的陆地区域之一。
思考 4 我需要搜索高平原（美国）
操作 4 搜索 [高平原（美国）]
观察 4 高平原是大平原的一个分区。从东到西，高平原的海拔从 1800 到 7000 英尺 (550 到 2130 米) 不等。[3]
思考 5 高平原海拔高度从 1800 到 7000 英尺，所以答案是 1800 到 7000 英尺。
操作 5 结束 [1800 到 7000 英尺]
...

模型先搜「科罗拉多造山带」，发现没提到东部，就改查「东部地区」，得知延伸到高平原，再搜高平原的海拔范围，最后给出「1800 到 7000 英尺」并结束 ^[1]。可以看到两个方向的信息流动：检索为推理提供依据，推理决定下一步检索什么 ^[1]。

提示写法因任务而异：以推理为主的任务（如 HotpotQA）用较多的「思考—操作—观察」步骤；动作很多的决策型任务则少写思考 ^[1]。这些轨迹作为少样本示例放进提示，模型照着示例的节奏组织自己的搜索和推理。

效果如何

知识密集型任务上，用 PaLM-540B 作基座模型，在 HotPotQA 问答和 Fever 事实验证两个数据集上比较了不同提示方法 ^[1]：

• ReAct 通常优于纯行动的 Act（只有操作、没有思考）；
• ReAct 在 Fever 上胜过 CoT，但在 HotpotQA 上落后于 CoT。

误差分析给出三个原因：CoT 存在事实幻觉；ReAct 的结构性约束降低了它在制定推理步骤上的灵活性；ReAct 高度依赖检索到的信息，搜索结果没有信息量时，模型推理会被带偏且难以恢复 ^[1]。把 ReAct 与「思维链 + 自我一致性」结合、在两者之间切换的提示方法，通常优于所有其他方法 ^[1]。

决策型任务上，ReAct 在 ALFWorld（文本游戏）和 WebShop（在线购物环境）两个基准上都优于 Act——没有思考的 Act 无法正确把目标分解成子目标 ^[1]。不过基于提示的方法在这类任务上离人类专家还很远 ^[1]。

写 ReAct 提示的几个要点

自己动手写 ReAct 提示时，几条经验值得带上：

1. 按任务类型调整思考密度：推理为主的任务多写思考步，动作密集的任务少写思考，让操作快进 ^[1]；
2. 观察的格式要固定，把工具返回整理成一行文本再放进轨迹，轨迹读起来连贯，模型也更容易模仿；
3. 最终答案要有格式约定，让轨迹的最后一步用「结束 [答案]」或「最终答案:」收尾，方便程序解析；
4. 轨迹示例不只是教格式，也在教模型应对意外——示例里最好出现「观察没查到有用信息、换个搜索词再试」的段落，模型遇到空结果才知道回退重试。

用 LangChain 搭一个 ReAct 代理

ReAct 不只是论文里的提示写法，LangChain 已经内置了用它构建代理的能力，可以把大模型和多种工具组合起来执行任务 ^[1]。下面搭一个能搜索、会算数的代理。安装并导入必要的库 ^[1]：

%%capture
# 更新或安装必要的库
!pip install --upgrade openai
!pip install --upgrade langchain
!pip install --upgrade python-dotenv
!pip install google-search-results

# 引入库
import openai
import os
from langchain.llms import OpenAI
from langchain.agents import load_tools
from langchain.agents import initialize_agent
from dotenv import load_dotenv
load_dotenv()

# 载入 API keys; 如果没有，你需要先获取。 
os.environ["OPENAI_API_KEY"] = os.getenv("OPENAI_API_KEY")
os.environ["SERPER_API_KEY"] = os.getenv("SERPER_API_KEY")

然后配置模型、工具和代理：工具用搜索 API 查外部信息，用 LLM 当数学工具 ^[1]：

llm = OpenAI(model_name="text-davinci-003" ,temperature=0)
tools = load_tools(["google-serper", "llm-math"], llm=llm)
agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True)

配置好后直接跑一个查询，这里不需要提供少样本示例 ^[1]：

agent.run("奥利维亚·王尔德的男朋友是谁?他现在的年龄的0.23次方是多少?")

链的执行过程 ^[1]：

> 正在输入新代理执行器链......
  我得查出奥利维亚·王尔德的男友是谁然后计算出他的年龄的 0.23 次方。
操作: 搜索
操作输入: “奥利维亚·王尔德的男友”
观察: 奥利维亚·王尔德与杰森·苏代基斯在多年前订婚，在他们分手后，她开始与哈里·斯泰尔斯约会 — 参照他们的关系时间线。
思考: 我需要找出哈里·斯泰尔斯的年龄。
操作: 搜索
操作输入: “哈里·斯泰尔斯的年龄”
观察: 29 岁
思考: 我需要计算 29 的 0.23 次方。
操作: 计算器
操作输入: 29^0.23
观察: 答案: 2.169459462491557

思考: 现在我知道最终答案了。
最终答案: 哈里·斯泰尔斯, 奥利维亚·王尔德的男朋友, 29 岁。他年龄的 0.23 次方是 2.169459462491557。

> 结束链。

代理先搜出奥利维亚·王尔德的男友是哈里·斯泰尔斯，再搜出他 29 岁，然后调用计算器算 29 的 0.23 次方，最后把两步信息合成最终答案 ^[1]。注意这条链里每次「操作」都有明确的「思考」作为依据——这正是 ReAct 结构的体现。

什么时候用 ReAct

判断顺序可以这样排：任务只用模型内部知识就能完成，思维链就够了；答案依赖事实、需要查资料的任务，用 ReAct；两个都用上、能来回切换的提示效果最好，但实现也最复杂 ^[1]。同时要接受它的局限：代理的质量取决于检索质量，搜索结果不靠谱时整条链都会跑偏 ^[1]。上手顺序也简单：先用现成框架把代理跑通，再回头精调提示里的轨迹示例。

本文改编自 DAIR.AI 开源教程《Prompt Engineering Guide》的 ReAct 框架一节^[1]，原文以 MIT 许可证发布。