ReAct Prompting

ReAct（推理与行动）提示是一种先进的提示工程范式，使大型语言模型（LLM）能够动态交替执行逐步推理与特定任务的操作。这项技术发表于 2022 年颇具影响力的学术论文《ReAct：协同语言模型中的推理与行动》，能将静态语言模型转变为交互式AI 智能体。ReAct 框架通过明确生成对问题的思考，并执行操作来检索外部信息，显著提升了复杂人工智能工作流中的事实准确性和决策能力。

推理与行动的机制#

在传统交互中，模型完全依据内部知识生成回答，这往往会导致LLM 幻觉。ReAct 架构通过由思考、行动和观察构成的持续循环，将 AI 置于外部环境中，从而解决这一问题。

遇到查询时，模型首先生成一个“思考”来概述策略。然后，它会触发一项“行动”，例如查询搜索引擎、与数据库交互，或通过称为函数调用的概念调用视觉 API。环境会返回“观察结果”，提供事实数据。模型评估这些新信息、更新推理，并重复这一循环，直到得出最终答案。ReAct 提示工程指南对此方法有更详细的介绍。该方法模拟了人类解决问题的过程，并建立了高度透明、可控的智能体行为。

实际应用#

ReAct 提示擅长处理需要迭代解决问题和多步工具调用的场景，因此是现代智能体 AI 系统的基础。

• 自动化客户支持智能体： 在企业环境中，IT 服务台智能体使用 ReAct 来解决用户问题。如果用户报告网络中断，智能体会推断自己需要检查服务器状态。接着，智能体通过调用诊断 API 执行操作，观察结果，然后根据检索到的事实升级工单或提供故障排除指南，从而简化传统的检索增强生成（RAG）流水线。
• 动态视觉分析：计算机视觉系统借助 ReAct 处理复杂的视觉问答任务。负责库存管理的机器人智能体可能会先观察货架，再推断需要统计特定商品，随后调用目标检测模型执行操作，并使用返回的边界框数据完成计数。这种协同弥合了基于文本的推理与空间理解之间的差距。

使用计算机视觉实现 ReAct#

对于使用 Python的开发者，ReAct 智能体通常会协调感知模型与物理世界交互。以下概念代码展示了 ReAct 推理循环如何无缝调用 Ultralytics YOLO26模型作为外部工具，观察环境并报告结果。

from ultralytics import YOLO


def vision_tool(image_path: str) -> str:
    """Action tool for a ReAct agent to detect objects in an image."""
    model = YOLO("yolo26n.pt")  # Load highly efficient YOLO26 nano model
    results = model(image_path)

    # Format the observation for the LLM's reasoning loop
    detected_classes = [model.names[int(c)] for c in results[0].boxes.cls]
    return f"Observation: Found {len(detected_classes)} objects: {', '.join(detected_classes)}"


# Simulated ReAct agent executing an action
agent_observation = vision_tool("https://ultralytics.com/images/bus.jpg")
print(agent_observation)

你可以使用 Ultralytics Platform全面简化这些视觉工具的数据集管理和实验跟踪，该平台为现代 AI 部署提供了完整解决方案。想从头开始构建这些智能体的开发者，也可以研究官方 ReAct 仓库中的基础逻辑。

区分相关概念#

要设计近期学术对齐研究中探讨的稳健多模态架构，必须将 ReAct 与相关工程模式区分开来：

• 与思维链提示的比较： 思维链（CoT）鼓励模型逐步思考，但完全依赖静态的内部知识。ReAct 在推理过程中加入动态“行动”，以获取最新的外部观察结果，从而扩展了 CoT。
• 与提示链的比较： 提示链会硬编码一系列独立的 LLM 调用，并自动将一个步骤的输出传递给下一步。ReAct 则是一种更自主的范式：单个智能体会根据持续获得的观察结果，动态决定使用哪些工具或采取哪些连续行动，而不是遵循固定的链式脚本。

通过将逻辑推演与执行多模态模型等专用外部工具相结合，ReAct 提示能够推动高能力通用 AI 系统的开发。