完整版：ReAct Agent 从入门到落地：原理、架构、代码实现与评测全指南

纯大模型：靠训练数据硬答，数值可能不准，甚至算错加法
ReAct 模式的 AI：
1. 思考：我需要先获取地球和火星的质量，再相加计算
2. 行动：调用查询工具获取地球质量
3. 观察：得到地球质量 5.972 × 10²⁴ kg
4. 再思考：还需要火星质量，继续查询
5. 行动：调用查询工具获取火星质量
6. 观察：得到火星质量 6.42 × 10²³ kg
7. 再思考：现在两个数值都有了，调用计算器求和
8. 行动：调用计算器计算总和
9. 观察：得到结果 6.614 × 10²⁴ kg
10. 结束：输出最终答案

整个过程和人类解决陌生问题的逻辑完全一致，这也是 ReAct 能支撑复杂智能体的核心原因。

二、为什么必须用 ReAct？大模型的天然短板

纯大模型天生存在三个无法彻底解决的短板，而 ReAct 正是针对性的解决方案：

知识有边界：大模型的训练数据有截止日期，也不可能覆盖所有私有数据、实时信息（比如实时天气、企业内部数据）
不擅长精确计算与操作：大模型本质是「预测下一个词」，做数学计算、代码执行、API 调用这类精确任务容易出错
幻觉问题：遇到不确定的内容，大模型容易编造看似合理的错误信息

ReAct 通过引入外部工具，把「闭卷答题」变成了「开卷考试 + 动手操作」，从机制上大幅降低幻觉，同时扩展了 AI 的能力边界 ——AI 不再只能聊天，而是可以真正执行任务。

三、ReAct 的核心闭环机制

标准的 ReAct 循环包含四个核心环节，循环执行直到任务完成：

表格

环节	英文标识	核心作用	示例
思考	Thought	分析当前问题，拆解子任务，决定下一步行动	"要计算总质量，我需要先查地球的质量"
行动	Action	调用指定工具，传入对应参数	调用「星球质量查询」工具，参数为 "地球"
观察	Observation	获取工具执行的返回结果，作为下一轮思考的依据	工具返回：地球质量为 5.972 × 10²⁴ kg
决策	循环 / 结束	判断信息是否充足：充足则输出最终答案，不足则进入下一轮循环	"还缺少火星质量，继续查询"

这个循环的核心价值是分步拆解、逐步验证：复杂任务被拆成一个个单步动作，每一步都有明确的输入输出，出错可以精准定位。

四、两代实现方案的架构对比

ReAct 的核心思想从未改变，但实现方式经历了从「古法手搓」到「标准化原生支持」的演进，可靠性和开发效率提升了一个量级。

1. 古法 ReAct：Prompt 工程 + 字符串解析

这是最早的实现方式，完全靠 Prompt 约束 AI 的输出格式，再用代码解析字符串来调用工具。

实现逻辑

Prompt 约束：在系统提示词里严格规定输出格式，要求 AI 必须按照 Thought → Action → PAUSE 的固定格式回复
字符串解析：代码用正则表达式匹配 AI 的输出，提取工具名和参数
工具执行：调用对应工具，把结果包装成 Observation 塞回对话上下文
循环执行：重复上述过程，直到 AI 输出 Answer 标识

架构缺点

格式脆弱：AI 输出格式稍有偏差（多空格、换标点），正则就匹配失败
复杂参数难处理：嵌套 JSON、多参数的工具，用字符串描述和解析极易出错
维护成本高：每个项目都要自己设计格式、写解析逻辑、处理各种异常
错误处理繁琐：工具不存在、参数错误等问题都要手动写异常捕获和重试逻辑

2. 现代 ReAct：Function Call 原生支持

大模型厂商针对上述痛点，推出了 Function Call（函数调用） 特性，把工具定义和调用格式做了标准化，这也是目前工业界的主流方案。

实现逻辑

标准化工具定义：用 JSON Schema 格式定义工具的名称、功能描述、参数类型与约束
结构化调用：AI 不再输出自然语言字符串，而是直接返回结构化的 JSON 调用指令
框架级解析：大模型服务端 / 开发框架原生支持解析调用指令，无需手写正则
结果回传：工具执行结果按标准格式回传，AI 继续推理循环

架构优势

可靠性高：大模型针对性训练过 Function Call 能力，格式准确率远高于纯 Prompt 约束
开发效率高：框架原生封装了解析、重试、错误处理逻辑，无需重复造轮子
支持复杂参数：JSON 天然支持嵌套对象、数组等复杂参数类型，适配各类工具
生态完善：主流大模型和 Agent 框架（LangChain、LlamaIndex）全量支持

一句话总结两代方案的差异：核心思想没变，实现方式从「人工字符串约定」升级成了「机器可理解的标准化协议」。

五、企业级 ReAct Agent 系统架构设计

一套可落地的 ReAct 智能体系统，通常分为 4 层架构，各司其职，支持灵活扩展工具和场景：

1. 交互层：用户入口

负责接收用户请求，返回最终答案与执行过程
常见入口：对话网页、企业 IM（飞书 / 企微）、业务系统插件、API 接口
核心能力：流式输出、多轮会话管理、执行过程可视化（展示思考 / 工具调用过程）

2. 推理调度层：ReAct 核心大脑

对话上下文管理：维护会话历史、思考过程、工具调用记录，控制上下文窗口长度
推理引擎：调用大模型，基于当前上下文生成思考与工具调用指令
工具调度器：解析工具调用指令，校验参数合法性，分发到对应工具执行
循环控制器：控制最大循环次数，判断任务终止条件，防止死循环
异常处理器：工具调用失败、格式错误、超时时的重试与降级逻辑

3. 工具层：能力执行单元

工具注册中心：统一管理所有可用工具，包含工具元数据（名称、描述、参数定义）
基础工具集：
- 信息查询类：搜索引擎、向量知识库、数据库查询
- 计算执行类：计算器、代码解释器、Shell 执行
- 业务操作类：API 调用、工单创建、消息推送
工具执行器：负责实际调用工具，处理鉴权、超时、重试

4. 数据层：日志与沉淀

会话日志：记录完整的思考、调用、结果全流程，用于调试和复盘
效果数据：存储用户反馈、回答准确率、工具调用成功率等指标
知识沉淀：优质的工具调用与问答对，可反哺优化 Prompt 与知识库

六、关键设计与参数调优建议

ReAct Agent 的效果和稳定性，很大程度取决于参数和规则设计，以下是经过落地验证的通用建议：

1. 循环控制参数

最大循环次数（Max Steps）：建议设置 5~10 次。次数太少解决不了复杂任务，太多容易死循环浪费 token
终止判断：除了 AI 主动输出答案，建议增加兜底终止：达到最大次数强制结束，给出「任务执行超时，请简化问题」的提示

2. Prompt 设计要点

角色与规则明确：清晰定义 Agent 的身份、能力边界、禁止行为
输出格式严格约束：古法 ReAct 必须明确格式标记（如 Thought: / Action: / Answer:）；Function Call 模式则依赖工具定义的准确性
思考引导：提示 AI 先拆解问题再行动，信息不足时继续调用工具，不要强行回答
幻觉抑制：明确要求「仅基于工具返回结果回答，不确定的内容说明无法确认」

3. 工具设计规范

粒度适中：工具功能单一明确，避免一个工具做太多事。比如「查询星球质量」比「天文数据查询」效果更好
描述精准：工具和参数的描述要清晰无歧义，这直接决定 AI 会不会正确调用它
返回简洁：工具返回结果尽量精简，只保留核心信息，避免冗余内容挤占上下文窗口
数量控制：单次给 AI 的工具建议不超过 10 个，太多工具会干扰 AI 选择，降低调用准确率

4. 容错与降级参数

工具调用重试次数：建议 2~3 次，格式错误、调用失败时自动让 AI 重试
置信度判断：工具返回结果为空或不相关时，引导 AI 换工具或换参数重试
兜底方案：多次循环仍无法解决时，自动引导转人工或给出参考信息，避免错误回答

七、代码实战示例

示例 1：古法 ReAct 极简实现（Python）

核心是 while 循环 + 正则解析，适合理解底层原理：

python

运行

import re
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 系统提示词，严格规定输出格式
SYSTEM_PROMPT = """
你是一个会使用工具的AI助手，解决问题时请遵循以下格式：
Thought: 你的思考过程，分析下一步该做什么
Action: 工具名: 参数
PAUSE

如果信息足够回答用户问题，请直接输出：
Answer: 最终答案

可用工具：
- planet_mass: 查询星球质量，参数为星球名称
- calculator: 数学计算，参数为数学表达式
"""

# 模拟工具函数
def planet_mass(planet):
    data = {"地球": "5.972e24 kg", "火星": "6.42e23 kg"}
    return data.get(planet, "未找到该星球数据")

def calculator(expression):
    try:
        return str(eval(expression))
    except:
        return "计算错误"

tools = {
    "planet_mass": planet_mass,
    "calculator": calculator
}

# 解析 Action 的正则
action_pattern = re.compile(r"Action: (\w+): (.+)")

# ReAct 主循环
def react_agent(user_question):
    messages = [
        {"role": "system", "content": SYSTEM_PROMPT},
        {"role": "user", "content": user_question}
    ]
    
    max_steps = 5
    for _ in range(max_steps):
        response = llm.invoke(messages).content
        
        # 判断是否输出最终答案
        if "Answer:" in response:
            return response.split("Answer:")[-1].strip()
        
        # 解析工具调用
        match = action_pattern.search(response)
        if not match:
            return "AI输出格式错误，无法执行"
        
        tool_name, tool_arg = match.groups()
        if tool_name not in tools:
            return f"不存在工具：{tool_name}"
        
        # 执行工具，获取观察结果
        obs = tools[tool_name](tool_arg.strip())
        
        # 把思考、行动、观察加入上下文
        messages.append({"role": "assistant", "content": response})
        messages.append({"role": "user", "content": f"Observation: {obs}"})
    
    return "已达到最大执行步数，未能完成任务"

# 测试
if __name__ == "__main__":
    question = "地球和火星的质量加起来是多少？"
    result = react_agent(question)
    print("最终答案：", result)

示例 2：现代 ReAct（OpenAI Function Call 实现）

采用官方原生 Function Call，稳定性更高，是生产环境推荐方案：

python

运行

from openai import OpenAI
import json

client = OpenAI()

# 1. 用 JSON Schema 定义工具
tools = [
    {
        "type": "function",
        "function": {
            "name": "get_planet_mass",
            "description": "查询指定星球的质量，单位为千克",
            "parameters": {
                "type": "object",
                "properties": {
                    "planet_name": {
                        "type": "string",
                        "description": "星球的中文名称，如地球、火星"
                    }
                },
                "required": ["planet_name"]
            }
        }
    },
    {
        "type": "function",
        "function": {
            "name": "calculate",
            "description": "执行精确的数学计算",
            "parameters": {
                "type": "object",
                "properties": {
                    "expression": {
                        "type": "string",
                        "description": "合法的Python数学表达式，如 5.972e24 + 6.42e23"
                    }
                },
                "required": ["expression"]
            }
        }
    }
]

# 2. 实现工具函数
def get_planet_mass(planet_name):
    data = {"地球": 5.972e24, "火星": 6.42e23}
    return data.get(planet_name, None)

def calculate(expression):
    try:
        return eval(expression)
    except:
        return "error"

tool_map = {
    "get_planet_mass": get_planet_mass,
    "calculate": calculate
}

# 3. ReAct 主循环
def react_agent(question):
    messages = [{"role": "user", "content": question}]
    max_steps = 5
    
    for _ in range(max_steps):
        response = client.chat.completions.create(
            model="gpt-3.5-turbo",
            messages=messages,
            tools=tools,
            temperature=0
        )
        message = response.choices[0].message
        
        # 没有工具调用，说明要输出最终答案
        if not message.tool_calls:
            return message.content
        
        # 处理工具调用
        messages.append(message)
        for tool_call in message.tool_calls:
            func_name = tool_call.function.name
            func_args = json.loads(tool_call.function.arguments)
            
            # 执行工具
            result = tool_map[func_name](**func_args)
            
            # 回传工具结果
            messages.append({
                "role": "tool",
                "tool_call_id": tool_call.id,
                "name": func_name,
                "content": str(result)
            })
    
    return "执行步数超限，未能完成任务"

# 测试
if __name__ == "__main__":
    print(react_agent("地球和火星的质量加起来是多少？"))

八、效果评测与优化方法

1. 核心评测指标

从「能力、稳定性、效率」三个维度量化评估：

表格

维度	指标	定义	合格参考
能力效果	任务完成率	成功解决目标问题的比例	简单任务≥90%，复杂任务≥70%
能力效果	工具调用准确率	正确选择工具、传入正确参数的比例	≥85%
能力效果	幻觉率	答案中出现编造内容的比例	≤5%
稳定性	格式成功率	输出格式可被正确解析的比例	Function Call 模式≥98%
稳定性	异常率	工具调用失败、循环超时的比例	≤5%
效率	平均调用步数	完成任务平均需要的循环次数	简单任务≤3 步
效率	平均响应时长	从提问到返回最终答案的时间	简单任务≤5 秒

2. 常见问题与优化方向

工具选错 / 参数错：优化工具描述和参数描述，减少歧义；减少单次提供的工具数量，按场景分发工具
死循环 / 重复调用：增加最大步数限制；在 Prompt 中要求避免重复无效调用；检测重复调用时主动打断
幻觉问题：强化「基于工具结果回答」的 Prompt 约束；增加答案置信度校验，无依据的内容强制过滤
上下文溢出：精简工具返回结果；对长对话做摘要压缩；控制最大循环次数

3. 评测数据集构建

覆盖三类任务：单工具简单任务、多工具串联任务、无对应工具的边界任务
标注标准答案和预期工具调用路径，用于自动化对比评测
每次调整 Prompt、工具定义、参数后，回归跑一遍评测集，避免效果倒退

九、总结

ReAct 是 AI 从「聊天机器人」进化为「智能执行者」的核心技术，它通过「思考 - 行动 - 观察」的闭环，让 AI 具备了调用工具、解决复杂任务的能力。

从实现上，古法手搓版适合理解原理，现代 Function Call 版适合生产落地。落地时建议从少量工具、单一场景切入，先跑通核心循环，再通过评测持续优化 Prompt、工具设计和参数，逐步扩展能力边界。

DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

从展品到产品：家用人形机器人产业临界点前的技术瓶颈与时间线推演

王兴兴给出的时间线是“快则2-3年、慢则5-10年”迎来产业临界爆发点。而KFK的预言说2038年家用人形机器人普及。这两个时间线并不矛盾，反而相互印证。我的判断是：真正能完成家用机器人那种“长时工作不出错、各种任务都能做、推理成本几块钱一天”的水平，恐怕还要四五年（也就是2030年前后）才能解决核心技术瓶颈。但这个时间点解决的是技术可行性，还不是商业普及性。2030年前后，会出现特定场景的家用机