BroadRouter
Начать

ReAct (reason and act, «рассуждай и действуй»)

Обновлено

ReAct (reason and act) — это паттерн промптинга, предложенный Yao et al. в 2022 году, в котором языковая модель чередует цепочки рассуждений с действиями, например поиском или вызовами инструментов. Она читает каждое наблюдение, обновляет план и повторяет цикл, пока не сможет дать итоговый ответ.

Также называют: ReAct-агент, агент ReAct, паттерн ReAct, промптинг ReAct, рассуждение и действие, ReAct agent, ReAct prompting, ReAct pattern, ReAct framework

ReAct — паттерн, на котором построено большинство циклов агентов: подумать, действовать, посмотреть на результат, подумать снова.

Как это работает

Статья о ReAct (Yao et al., 2022) предлагает модели “generate both reasoning traces and task-specific actions in an interleaved manner.” (перевод: «генерировать цепочки рассуждений и действия под конкретную задачу, чередуя их».) В статье сказано, что цепочки рассуждений “help the model induce, track, and update action plans as well as handle exceptions,” (перевод: «помогают модели выводить, отслеживать и обновлять планы действий, а также обрабатывать исключения»), а действия позволяют модели собирать факты из внешних источников.

В исходной текстовой форме несколько примеров в промпте учат модель такому формату:

Question: Which city hosted the event the author attended in 2019?
Thought: I need to find which event the author attended in 2019.
Action: search["author 2019 event"]
Observation: The author spoke at a conference in Lisbon in 2019.
Thought: The event was in Lisbon. That answers the question.
Action: finish["Lisbon"]

Ваш код разбирает каждое Action, выполняет его и добавляет Observation, прежде чем снова вызвать модель.

На HotpotQA и Fever, по данным статьи, ReAct уменьшил галлюцинации и распространение ошибок за счёт запросов к простому API Википедии. А поскольку каждый шаг записан, траектории было проще проверять, чем у базовых методов без цепочек рассуждений.

Сегодня тот же цикл обычно работает через структурированный вызов инструментов, а не через разбор текста. Например, раннер OpenAI Agents SDK вызывает модель, выполняет возвращённые вызовы инструментов, добавляет результаты и снова вызывает модель, пока не придёт итоговый ответ.

Почему это важно

  • Опора на данные. Действия с реальными данными между рассуждениями сокращают догадки, которые ведут к галлюцинациям.
  • Отладка. Каждое рассуждение и наблюдение видно, поэтому понятно, где прогон пошёл не так.
  • Стоимость в токенах. Каждые Thought, Action и Observation остаются в истории и отправляются заново на следующем шаге. Прогон ReAct из 10 шагов отправляет свои первые шаги 10 раз. Подробный разбор — в статье о бюджете токенов агента.
  • Модели с рассуждениями. Модели, которые рассуждают перед ответом, выполняют часть работы «Thought» внутри себя, в виде токенов рассуждений.

В BroadNet Inference

Цикл ReAct можно запустить с любой чат-моделью BroadNet — либо в текстовом формате с few-shot примерами, либо со структурированными инструментами. Документация BroadNet указывает вызов инструментов для GLM 5.3 и Qwen3.8 27B. Формат запросов показан в статье о вызове инструментов в открытых моделях.

DeepSeek V4.1 Flash, GLM 5.3 и Qwen3.8 27B рассуждают перед ответом, и рассуждения учитываются в max_tokens. Оставляйте для них запас на каждом шаге или задайте reasoning_effort равным low.

Вопросы и ответы

ReAct — это то же самое, что цепочка рассуждений?

Нет. Цепочка рассуждений (chain-of-thought) — это только рассуждения. ReAct добавляет между ними действия, поэтому модель может искать информацию и исправлять себя по найденному, а не полагаться лишь на то, что уже знает.

Нужно ли сегодня писать в промптах строки Thought и Action?

Обычно нет. Современные API возвращают структурированные вызовы инструментов, а модели с рассуждениями думают перед ответом. Идея ReAct — рассудить, действовать, посмотреть на результат — живёт в цикле агента в большинстве фреймворков.

Что показала статья о ReAct?

Авторы сообщают, что на ALFWorld и WebShop ReAct превзошёл методы обучения с подражанием и обучения с подкреплением на 34 % и 10 % абсолютной доли успешных решений, используя в промпте всего один-два примера.

Открыть в MarkdownСпросить ChatGPTСпросить ClaudeСпросить Perplexity