ReAct Prompting
ReAct 提示让 LLM 交替执行推理步骤和搜索或调用工具等操作,并在决定下一步行动前读取每次操作的结果。
ReAct 提示是“推理与行动”(reasoning and acting)的简称,它让大型语言模型 (LLM)在几个步骤间交替运行:先围绕任务写下思路,再执行搜索或调用工具等操作,然后读取操作返回的观察结果,并重复这一循环,直到能够作答。推理过程负责规划和跟踪操作,操作则从模型外部引入事实,因此答案建立在检索到的证据之上,而不仅依赖记忆。普林斯顿大学和 Google Research 的 Shunyu Yao 及其同事在 ReAct:语言模型中的推理与行动协同一文中介绍了该方法,该论文发表于 ICLR 2023。只需在提示中提供一两个示例,ReAct 在 ALFWorld 家庭任务和 WebShop 在线购物基准上的绝对成功率就分别比使用更多数据训练的模仿学习和强化学习方法高出 34 和 10 个百分点。如今,使用工具的AI 智能体也运行着同样的循环。
ReAct 的工作原理#
ReAct 提示是一种少样本提示,其中包含若干示例轨迹;每条轨迹都由一个问题以及交替出现的 Thought、Action 和 Observation 行组成。收到新问题后,模型先写出思路和操作,然后停止。控制器代码解析操作、运行相应工具、将结果作为下一条观察追加到记录中,再将更长的记录传给模型并再次调用。对于问答任务,论文为模型提供了一个简易的 Wikipedia 接口,包含三种操作:search[entity] 返回页面的首句,lookup[string] 返回当前页面中包含某个字符串的下一句话,finish[answer] 结束任务。
一段 ReAct 轨迹#
下面的示例摘自论文为 HotpotQA 编写的提示。HotpotQA 是一个需要整合多个 Wikipedia 页面信息的问答数据集,该示例展示了循环如何从第一次搜索未找到答案的情况中恢复:
Question: What is the elevation range for the area that the eastern sector of the Colorado orogeny extends into?
Thought 1: I need to search Colorado orogeny, find the area that the eastern sector of the Colorado orogeny extends into, then find the elevation range of the area.
Action 1: Search[Colorado orogeny]
Observation 1: The Colorado orogeny was an episode of mountain building (an orogeny) in Colorado and surrounding areas.
Thought 2: It does not mention the eastern sector. So I need to look up eastern sector.
Action 2: Lookup[eastern sector]
Observation 2: (Result 1 / 1) The eastern sector extends into the High Plains and is called the Central Plains orogeny.
Thought 3: The eastern sector of Colorado orogeny extends into the High Plains. So I need to search High Plains and find its elevation range.
Action 3: Search[High Plains]
Observation 3: High Plains refers to one of two distinct land regions:
Thought 4: I need to instead search High Plains (United States).
Action 4: Search[High Plains (United States)]
Observation 4: The High Plains are a subregion of the Great Plains. From east to west, the High Plains rise in elevation from around 1,800 to 7,000 ft (550 to 2,130 m).
Thought 5: High Plains rise in elevation from around 1,800 to 7,000 ft, so the answer is 1,800 to 7,000 ft.
Action 5: Finish[1,800 to 7,000 ft]Thought 2 注意到页面没有所需事实,于是改用查找操作;Thought 4 则消除了搜索结果中的歧义。这两种修正都无法通过固定的搜索序列实现。
结果与局限#
将推理过程建立在观察结果之上,主要可以减少编造事实。在论文对 PaLM-540B 执行 HotpotQA 的错误分析中,幻觉导致了 56% 的思维链失败,却没有导致任何 ReAct 失败;思维链的误报率为 14%,而 ReAct 为 6%。这一循环也有自己的失败模式:ReAct 的错误中有 23% 来自搜索未能返回有用内容,因为空观察会扰乱后续推理。在 HotpotQA 上,ReAct 单独使用时的完全匹配率为 27.4%,低于思维链的 29.4%;而在 Fever 事实核查任务上,ReAct 以 60.9% 的准确率领先于思维链的 56.3%。HotpotQA 上的最佳结果为 35.1%,来自两者结合:如果 ReAct 在设定步数内未能回答,就回退到自洽思维链。
现代智能体中的 ReAct#
当前 LLM API 通过函数调用将操作步骤整合进模型:模型输出结构化工具调用,而不是一行文本;应用程序运行该工具并返回结果,循环仍是相同的 Thought-Action-Observation 流程。工具的用途远不止搜索,还包括代码执行、数据库、计算机操作智能体中的浏览器,以及通过模型上下文协议 (MCP)提供的服务。在智能体式 RAG中,智能体会决定何时以及检索什么内容,而不是在生成前只检索一次。由于智能体会根据读取的文本采取行动,ReAct 系统会受到工具结果中的提示注入风险影响,因此工具权限通常会受到严格限制,风险较高的操作也常在沙箱中运行。
Ultralytics Platform AutoTrain 中的 Ask AI也会以这种方式通过工具执行操作:它通过 Platform CLI 运行 ul cloud 命令,以查找数据集、启动训练任务、比较已完成的模型、导出模型或部署模型,并根据这些命令的返回结果生成答复。










