---
title: "Что такое ReAct? Паттерн агентов «рассуждение и действие»"
description: "ReAct — паттерн агентов, в котором LLM чередует шаги рассуждения с действиями инструментов и читает каждый результат перед новым шагом. Как работает этот цикл."
url: https://broadrouter.com/ru/glossary/react-agent/
lang: ru
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Переведено с английского с помощью ИИ. [Читать оригинал на английском](https://broadrouter.com/glossary/react-agent/) (обновлён 2026-11-15).

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

Обновлено 2026-11-15

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:

```text
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](https://broadrouter.com/ru/glossary/tool-calling/), 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](https://broadrouter.com/ru/glossary/hallucination/).
-   **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](https://broadrouter.com/ru/blog/agent-token-budget/).
-   **Модели с рассуждениями.** Модели, которые рассуждают перед ответом, выполняют часть работы «Thought» внутри себя, в виде [токенов рассуждений](https://broadrouter.com/ru/glossary/reasoning-tokens/).

## 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](https://broadrouter.com/ru/models/glm-5.3/) и [Qwen3.8 27B](https://broadrouter.com/ru/models/qwen3.8-27b/). Формат запросов показан в статье [о вызове инструментов в открытых моделях](https://broadrouter.com/ru/blog/tool-calling-open-models/).

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.

## См. также

-   [ИИ-агент (AI agent)](https://broadrouter.com/ru/glossary/agent/) (термин)
-   [Цепочка рассуждений (chain-of-thought, CoT)](https://broadrouter.com/ru/glossary/chain-of-thought/) (термин)
-   [Вызов инструментов (tool calling)](https://broadrouter.com/ru/glossary/tool-calling/) (термин)
-   [Токены рассуждений (reasoning tokens)](https://broadrouter.com/ru/glossary/reasoning-tokens/) (термин)
-   [Few-shot промптинг (few-shot prompting)](https://broadrouter.com/ru/glossary/few-shot-prompting/) (термин)
-   [Галлюцинация (hallucination)](https://broadrouter.com/ru/glossary/hallucination/) (термин)
-   [OpenAI Agents SDK на BroadNet Inference](https://broadrouter.com/ru/guides/openai-agents-sdk-custom-provider/) (руководство)
-   [Вызов инструментов в открытых моделях: схемы, параллельность, повторы](https://broadrouter.com/ru/blog/tool-calling-open-models/) (статья)
-   [Бюджет токенов агента: куда уходят токены в цикле агента](https://broadrouter.com/ru/blog/agent-token-budget/) (статья)

Проверьте на своей реальной нагрузке. Новые аккаунты получают стартовый грант US$5 на Gemma и распознавание речи. Для DeepSeek, GLM и Qwen3.8 нужно пополнить баланс.

[Начать](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ru-glossary-react-agent&utm_content=page-cta) ·

**Источники**

-   [Yao et al., ReAct: Synergizing Reasoning and Acting in Language Models, arXiv 2210.03629 (финальная версия для ICLR) (проверено 2026-11-15)](https://arxiv.org/abs/2210.03629)
-   [Документация OpenAI Agents SDK, запуск агентов (цикл агента) (проверено 2026-11-15)](https://openai.github.io/openai-agents-python/running_agents/)
-   [Anthropic Engineering, Effective context engineering for AI agents (проверено 2026-11-15)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
