---
title: "ReAct là gì? Giải thích mẫu agent suy luận và hành động"
description: "ReAct là mẫu agent trong đó LLM xen kẽ các bước suy luận với hành động gọi tool, và đọc từng kết quả trước bước tiếp theo. Vòng lặp này hoạt động ra sao ngày nay."
url: https://broadrouter.com/vi/glossary/react-agent/
lang: vi
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

Được dịch từ tiếng Anh với sự hỗ trợ của AI. [Đọc bản gốc tiếng Anh](https://broadrouter.com/glossary/react-agent/) (cập nhật ngày 2026-11-15).

# ReAct (reason and act)

Cập nhật 2026-11-15

ReAct (reason and act) là mẫu prompting do Yao và cộng sự giới thiệu năm 2022, trong đó language model xen kẽ các bước suy luận với hành động như tìm kiếm hay gọi tool. Model đọc từng kết quả quan sát, cập nhật kế hoạch và lặp lại cho tới khi đưa ra được câu trả lời cuối.

Còn gọi là: ReAct agent, ReAct prompting, ReAct pattern, ReAct framework, agent ReAct, mẫu ReAct, suy luận và hành động

ReAct là mẫu đứng sau phần lớn vòng lặp agent: suy nghĩ, hành động, xem kết quả, rồi suy nghĩ lại.

## Cách hoạt động

Bài báo ReAct (Yao và cộng sự, 2022) prompt model để “generate both reasoning traces and task-specific actions in an interleaved manner.” (Bản dịch: sinh xen kẽ cả chuỗi suy luận lẫn hành động riêng cho tác vụ.) Bài báo nói chuỗi suy luận “help the model induce, track, and update action plans as well as handle exceptions,” (Bản dịch: giúp model hình thành, theo dõi và cập nhật kế hoạch hành động cũng như xử lý ngoại lệ) còn hành động cho phép model thu thập dữ kiện từ nguồn bên ngoài.

Ở dạng văn bản ban đầu, vài ví dụ trong prompt dạy model một định dạng như sau:

```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"]
```

Code của bạn phân tích từng `Action`, chạy nó và nối thêm `Observation` trước khi gọi lại model.

Trên HotpotQA và Fever, bài báo báo cáo rằng ReAct giảm ảo giác và lỗi lan truyền nhờ truy vấn một API Wikipedia đơn giản. Vì mọi bước đều được viết ra, các trajectory cũng dễ kiểm tra hơn so với các baseline không có chuỗi suy luận.

Ngày nay, cùng vòng lặp đó thường chạy qua [tool calling](https://broadrouter.com/vi/glossary/tool-calling/) có cấu trúc thay vì văn bản phải phân tích. Ví dụ, runner của OpenAI Agents SDK gọi model, chạy mọi lệnh gọi tool mà model trả về, nối kết quả vào rồi gọi lại model cho tới khi có câu trả lời cuối.

## Vì sao quan trọng

-   **Bám vào dữ kiện.** Hành động trên dữ liệu thật giữa các bước suy nghĩ làm giảm việc đoán mò vốn dẫn tới [ảo giác](https://broadrouter.com/vi/glossary/hallucination/).
-   **Gỡ lỗi.** Mỗi suy nghĩ và quan sát đều hiển thị, nên bạn thấy được lần chạy sai ở đâu.
-   **Chi phí token.** Mọi Thought, Action và Observation đều nằm lại trong lịch sử và được gửi lại ở lượt sau. Một lần chạy ReAct 10 bước gửi các bước đầu 10 lần. Bài viết [ngân sách token cho agent](https://broadrouter.com/vi/blog/agent-token-budget/) phân tích chi tiết điều này.
-   **Model suy luận.** Model suy luận trước khi trả lời tự làm một phần việc “Thought” bên trong, dưới dạng [token suy luận](https://broadrouter.com/vi/glossary/reasoning-tokens/).

## Trên BroadNet Inference

Bạn có thể chạy vòng lặp ReAct với bất kỳ model chat nào của BroadNet, bằng định dạng văn bản kèm ví dụ few-shot hoặc bằng tool có cấu trúc. Tài liệu BroadNet ghi hỗ trợ tool calling cho [GLM 5.3](https://broadrouter.com/vi/models/glm-5.3/) và [Qwen3.8 27B](https://broadrouter.com/vi/models/qwen3.8-27b/). [Tool calling với model mở](https://broadrouter.com/vi/blog/tool-calling-open-models/) trình bày cấu trúc request.

DeepSeek V4.1 Flash, GLM 5.3 và Qwen3.8 27B suy luận trước khi trả lời, và phần suy luận được tính vào `max_tokens`. Hãy chừa chỗ cho nó ở mỗi bước, hoặc đặt `reasoning_effort` thành `low`.

## Câu hỏi thường gặp

### ReAct có giống chain-of-thought không?

Không. Chain-of-thought chỉ có suy luận. ReAct thêm hành động xen giữa, để model có thể tra cứu và tự sửa dựa trên những gì tìm thấy, thay vì chỉ dựa vào những gì nó đã biết.

### Ngày nay tôi còn phải viết các dòng Thought và Action trong prompt không?

Thường là không. API hiện đại trả về lệnh gọi tool có cấu trúc, và model suy luận tự suy nghĩ trước khi trả lời. Ý tưởng của ReAct, suy luận rồi hành động rồi quan sát, vẫn sống trong vòng lặp agent của phần lớn framework.

### Bài báo ReAct đã cho thấy điều gì?

Các tác giả báo cáo rằng trên ALFWorld và WebShop, ReAct vượt các phương pháp học bắt chước và học tăng cường với tỷ lệ thành công tuyệt đối cao hơn lần lượt 34% và 10%, chỉ với một hoặc hai ví dụ trong context.

## Xem thêm

-   [AI agent (tác tử AI)](https://broadrouter.com/vi/glossary/agent/) (thuật ngữ)
-   [Chain-of-thought (CoT)](https://broadrouter.com/vi/glossary/chain-of-thought/) (thuật ngữ)
-   [Tool calling (gọi tool, function calling)](https://broadrouter.com/vi/glossary/tool-calling/) (thuật ngữ)
-   [Token suy luận (reasoning tokens)](https://broadrouter.com/vi/glossary/reasoning-tokens/) (thuật ngữ)
-   [Few-shot prompting (prompt kèm ví dụ)](https://broadrouter.com/vi/glossary/few-shot-prompting/) (thuật ngữ)
-   [Ảo giác AI (hallucination)](https://broadrouter.com/vi/glossary/hallucination/) (thuật ngữ)
-   [Chạy OpenAI Agents SDK trên BroadNet Inference](https://broadrouter.com/vi/guides/openai-agents-sdk-custom-provider/) (hướng dẫn)
-   [Tool calling với model mở: schema, gọi song song, retry](https://broadrouter.com/vi/blog/tool-calling-open-models/) (bài viết)
-   [Ngân sách token của agent: token trong vòng lặp agent đi đâu](https://broadrouter.com/vi/blog/agent-token-budget/) (bài viết)

Hãy thử với khối lượng công việc thực tế của bạn. Tài khoản mới được tặng US$5 tín dụng ban đầu cho Gemma và chuyển giọng nói thành văn bản. DeepSeek, GLM và Qwen3.8 cần nạp tiền.

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

**Nguồn**

-   [Yao và cộng sự, ReAct: Synergizing Reasoning and Acting in Language Models, arXiv 2210.03629 (bản camera-ready ICLR) (kiểm tra ngày 2026-11-15)](https://arxiv.org/abs/2210.03629)
-   [Tài liệu OpenAI Agents SDK, chạy agent (vòng lặp agent) (kiểm tra ngày 2026-11-15)](https://openai.github.io/openai-agents-python/running_agents/)
-   [Anthropic Engineering, Effective context engineering for AI agents (kiểm tra ngày 2026-11-15)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)
