你让 AI 助手帮你查一个数字，它张口就报了个数，报错了。你追问来源，它道歉，然后又编了一个。这种事你可能遇过不止一次。
2022 年 10 月，普林斯顿大学和 Google Brain 的七位研究者发了一篇论文，标题就叫 ReAct，Reason 加 Acting 的合成词。他们的想法不复杂：别让模型光靠脑子想，让它把「想」和「做」交错起来，想一步，做一步，把动作拿回来的结果再看一眼，接着想下一步。论文 2023 年中了 ICLR，现在几乎所有智能体框架里跑的那个循环，骨架都是它。
这篇就讲清楚一件事：这个循环到底是怎么转的。
光会想，和会想做结合，差别在哪
先看老办法。你让模型推理，它闷头想：先这样，再那样，所以答案是这个。一路写到底，中途不查任何资料。这套做法就是思维链，我之前写过（思维链是什么），它确实能让模型成绩变好，但有个先天短板：所有前提都在模型脑子里，参数里记错了，后面全跟着错。
ReAct 论文里测过这个。同一批多跳问答题，纯思维链的模型会一路编下去，错得还特别连贯。ReAct 的做法是中间插进「查一下维基百科」这个动作，查回来的结果直接写进推理过程，编不下去的地方有真实资料兜底。论文的原话是，ReAct「通过与一个简单的 Wikipedia API 交互，克服了思维链推理中常见的幻觉和错误传播问题」。
这不是两句提示词的差别，是给模型接上了手。
循环长什么样：想一步，动一步，看一眼
一个 ReAct 轮次就三样东西：Thought（我想干什么）、Action（我要调用哪个工具）、Observation（工具返回了什么）。跑完一轮，结果并回上下文，接着下一轮。
看个真实例子，这是 Simon Willison 2023 年 3 月照着论文自己复刻的极简版，他用 ChatGPT 的 API 做了个只会两件事的小机器人：查维基百科、搜他自己的博客。他问它「英格兰和哪些国家接壤」，机器人的实际输出是这样：
Thought: 我应该查一下英格兰的邻国
Action: wikipedia: England
PAUSE -- 执行 wikipedia England，把返回的摘要填进 Observation
Observation: 英格兰是联合王国的一部分，西边与威尔士接壤，北边与苏格兰接壤
Answer: 英格兰与威尔士和苏格兰接壤
拆开看。Thought 是模型在给自己写推理提纲。Action 是按约定格式发出的工具调用请求。Observation 不是模型生成的，是外部世界返回的真实数据，程序负责执行并把结果塞回去。
真正动手的是模型外面那段普通代码。Simon 的实现就一个 while 循环，逻辑很简单：从模型输出里解析出 Action，执行对应的函数，把结果拼成一条新消息发回去；哪一轮模型不再输出 Action，直接给了答案，循环就结束。他还设了个 max_turns=5 的保险丝，五轮还没收敛就强制停。就这么点代码，一个能查资料的问答机器人就跑起来了。
ReAct 还有个附带好处：过程看得见。论文里专门提了这点，说 ReAct 生成的行动轨迹带推理痕迹，比不带的方法更可解读，人也更容易信任它的答案。落到日常就是排障方便：智能体干砸了，翻它的 Thought 和 Action，一眼看到是哪一轮查错了词、点错了页面，而不用对着一个黑盒答案干瞪眼。
数字也可以给一个：论文在 ALFWorld（家务模拟环境）和 WebShop（购物模拟环境）两个基准上测了 ReAct，成功率分别比当时的模仿学习和强化学习方法高出 34% 和 10%，而 Prompt 里只放了一两个示例。
上下文在循环里滚雪球，成本要盯着
循环有个绕不开的副作用：每转一圈，上下文变长一点。
Simon 那个例子每轮只花几十个 token，感觉不到。真实智能体一圈要做的事多得多：读网页、扫文件、翻数据库，Observation 本身可能就是几千 token。转上十几圈，上下文被历史动作和结果塞满，两个麻烦跟着来：一是钱，输入 token 是按量计费的，圈数越多账单越贵；二是注意力，上下文太长模型会漏看中间的内容，我之前写过这个现象（Lost in the Middle），资料堆太多，模型偏偏看不见中间那段。
所以工程上要给循环上两道闸。一道是轮数上限，Simon 设的五轮就是这个，到点强制停，别让智能体无限转下去。另一道是 token 上限，圈数可以多，总消耗得封顶，接近上限就收尾。轮数管圈数，token 管总量，两道闸一起上。
Anthropic 在一篇工程博客里把 agent 的本质说得很直白：智能体「通常就是大模型在循环里依据环境反馈使用工具」，实现往往不复杂，难的是把工具的用途和参数设计清楚，再配好护栏。他们还建议给循环设最大迭代次数之类的停止条件，理由是模型自己收不住，你得帮它刹住车。
这也是我自己的体会。智能体翻车，多数时候不是模型不够聪明，是循环没人看着：轮数没上限，Observation 越滚越长，一圈错，圈圈错。
和你已经认识的那几个概念，是什么关系
这几个词经常一起出现，摆在一起看就清楚了。
Function Calling 是模型「提出想用工具」的机制，我之前写过（Function Calling 工具调用），但那次没讲循环怎么转：它解决「怎么发请求」，不解决「发完之后怎么办」。ReAct 就是接着往下讲的那个循环。
思维链是「想」的部分，ReAct 把「做」插了进去，让想的每一步都有机会被现实修正。
AI Agent 是整个系统，ReAct 是它干活时的骨架。Agent 还有记忆、规划这些别的零件，但真正跑任务时，转的就是这个环。想往上一层走，可以先看我之前写的 Agent 科普（AI Agent 到底是什么）。
结尾
把 ReAct 的循环摊开，其实就一句话：让模型把「打算干什么」说出来，把「干了之后看到什么」看回去，说看到位了再收工。
判断一个 AI 产品是真智能体还是套壳聊天，有个很省事的土办法：让它干一件要多步的活，盯着看它中间有没有真的去查、去试、去改。有，它就是在这个循环里跑；没有，那多半只是话说得漂亮。
下次你看到智能体在那儿一遍遍地「思考中、调用工具、拿到结果」，你就知道，那是 ReAct 在转。