ReAct 各模块输入输出是什么？

30 秒回答

1. 清晰区分Reasoning和Action两个核心模块的协作关系
2. 准确描述Plan的本质（动态规划而非静态计划）
3. 说明Observation的来源和作用（工具返回结果作为下一轮推理的输入）
4. 给出提示词的结构模板（Thought/Action/Observation的格式规范）

回答与解析

答案要点

• 清晰区分Reasoning和Action两个核心模块的协作关系
• 准确描述Plan的本质（动态规划而非静态计划）
• 说明Observation的来源和作用（工具返回结果作为下一轮推理的输入）
• 给出提示词的结构模板（Thought/Action/Observation的格式规范）
• 举例展示完整的循环交互流程（至少包含2轮Reasoning-Action-Observation循环）

ReAct核心思想

ReAct = Reasoning（推理） + Acting（行动），让LLM交替进行"思考"和"执行"，通过工具与环境交互解决复杂问题。

三个关键概念

提示词设计结构

[系统指令]
You are an assistant that solves problems by thinking step by step.
You have access to tools: {tool_names}

[格式规范 - 必须严格遵循]
Thought: [你的推理过程，分析当前状态]
Action: [工具名称，如search/calculate]
Action Input: [工具的具体参数]

Observation: [工具返回结果，由系统填充]

...（循环直到得出最终答案）

Final Answer: [最终结论]

关键约束：每轮只输出一个Thought+Action，等待Observation后再继续。

各模块的输入输出

完整交互示例

场景：查询"2024年诺贝尔物理学奖得主的主要贡献"

【Round 1】
用户输入: 2024年诺贝尔物理学奖得主的主要贡献是什么？

LLM输出:
Thought: 我需要先查询2024年诺贝尔物理学奖得主是谁
Action: search
Action Input: {"query": "2024年诺贝尔物理学奖得主"}

系统执行search → 
Observation: 2024年诺贝尔物理学奖授予John J. Hopfield和Geoffrey E. Hinton，以表彰他们在人工神经网络和机器学习方面的基础性贡献

【Round 2】
LLM输出:
Thought: 已获知得主是Hopfield和Hinton，需要分别查询两人的具体贡献
Action: search
Action Input: {"query": "John Hopfield Hopfield network contribution"}

系统执行search →
Observation: Hopfield于1982年提出Hopfield网络，引入能量函数概念，开创了递归神经网络的研究...

【Round 3】
LLM输出:
Thought: 已了解Hopfield的贡献，还需查询Hinton的具体工作
Action: search
Action Input: {"query": "Geoffrey Hinton backpropagation deep learning contribution"}

系统执行search →
Observation: Hinton的主要贡献包括：反向传播算法(1986)、深度信念网络(2006)、AlexNet(2012)等...

【Round 4】
LLM输出:
Thought: 已收集完整信息，可以综合回答
Final Answer: 2024年诺贝尔物理学奖授予Hopfield和Hinton。Hopfield的贡献是... Hinton的贡献是...

设计要点总结

• Plan是隐式的：通过Thought的链式累积实现动态规划
• Observation是瓶颈：工具质量直接决定Agent效果
• 格式约束是关键：必须用结构化分隔符（如Observation:）让模型区分内外信息

口语版讲法(约4分钟)

• 一句话定位：ReAct本质是让模型交替思考和行动，动态调整策略
• Plan不是静态计划，是动态推理链；提示词设计要严格约束格式
• Observation是环境反馈，驱动下一轮推理
• 完整示例：查询诺贝尔奖得主贡献，三到四轮循环
• 落地关注点：工具质量、幻觉控制、格式解析

这道题其实问的是，怎么让大模型不光会想，还能动手。ReAct这个框架的核心，就是把推理和行动串成一个循环，模型每想一步就调用一次工具，拿到反馈再接着想，直到把问题解决。它不是先生成一个完整的计划再去执行，而是一边干一边调整，有点像人做复杂任务的时候，走一步看一步。

具体说一下几个关键模块。首先是Plan，很多人以为Plan就是一开始定好的步骤，其实不是。ReAct里的Plan是动态的，每一步的Thought都在根据最新的Observation重新评估，说白了就是推理链本身就成了计划。举个例子，你要查一个产品的价格，第一步可能先搜产品名，看到结果发现有两个型号，第二步就得搜具体型号，这个分支就是动态生成的。

然后是提示词设计。这里有个硬约束：必须让模型按固定格式输出。我一般会用类似这样的模板：Thought: 推理过程; Action: 工具名; Action Input: 参数。然后系统拿到这个Action去调用工具，把结果填回Observation字段。模型看到Observation才能继续下一轮。这个格式一旦乱了，整个循环就断了，所以提示词里要反复强调格式。

Observation是什么呢？就是工具返回的结果，可以是文本、结构化数据，甚至API报错。它直接作为下一轮推理的输入。这里有个常见坑：如果工具返回的信息不完整或者有噪声，模型可能被带偏。所以Observation的质量直接决定了Agent的效果，上线前我会花大量时间打磨工具的输出格式和异常处理。

我拿一个具体的业务场景举例吧，比如客服系统里，用户问“我买的手机订单为什么还没发货”。ReAct的流程大概是：第一轮，模型想“先查订单信息”，调用订单查询工具，输入订单号，拿到订单状态。第二轮，看到状态是“已发货但物流未更新”，又想“查物流详情”，调用物流查询工具，拿到快递单号和最新物流记录。第三轮，看到物流显示“运输中”，但用户催得急，模型可能会再调一个客服备注工具，记录用户诉求。最后综合所有信息给出回答：“您的订单已发货，目前运输中，预计明天到达，我已备注加急。”整个过程就是Thought、Action、Observation循环，直到能给出Final Answer。

不过ReAct有个明显短板：如果模型在Thought里推理错了，比如误解了Observation，后面的步骤就会越走越偏。所以我在实际落地时，会考虑结合Self-Refine或者Reflexion机制，让模型自己检查自己的输出，发现错误就回溯重来，而不是一条路走到黑。

总结一下我的看法。ReAct框架特别适合那种需要多步工具调用的场景，比如客服、信息检索、数据分析。但前提是工具本身要稳定，返回结果要结构化，而且必须对模型的输出做严格的格式解析和校验，否则很容易被格式错误打断。我更倾向于把它看成一种模式，而不是一个固定的框架，实际项目中经常和Agent的其他设计混用，比如加上记忆模块或者多Agent协作。

关键一句:ReAct的推理错误累积问题，可以用Self-Refine或Reflexion让模型自我纠错，而不是一条路走到黑。

面试官还可能这样问

1. 问法 1 · 场景切入

   假设你在做一个智能客服，用户问“帮我查一下上周的订单”，它先要调用查询工具，然后根据返回结果再决定下一步。你能用ReAct框架讲一下这个过程中模型是怎么思考、怎么调用工具、以及怎么利用返回结果继续推理的吗？

2. 问法 2 · 层层追问

   先说说你理解的ReAct工作流程……那这里的Plan到底是什么？是一个提前写好的步骤，还是每步动态生成的？……提示词里怎么约束模型只产生一个Thought和一个Action？……Observation又是怎么来的？

3. 问法 3 · 直球架构

   讲一下ReAct框架的完整工作流程，包括Plan、Thought、Action、Observation这几个模块分别是什么，输入输出格式是怎样的，再举个例子展示至少两轮循环的过程。