大多数智能体循环背后都是 ReAct 模式:思考、行动、查看结果、再思考。
工作原理
ReAct 论文(Yao 等,2022)让模型 “generate both reasoning traces and task-specific actions in an interleaved manner.”(译文:以交替的方式同时生成推理轨迹和针对任务的行动。)论文称,推理轨迹 “help the model induce, track, and update action plans as well as handle exceptions,“(译文:帮助模型归纳、跟踪和更新行动计划,并处理异常,)而行动让模型能从外部来源收集事实。
在最初的纯文本形式中,提示词里的几个示例会教模型使用这样的格式:
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"]
你的代码解析每个 Action,执行它,追加 Observation,然后再次调用模型。
论文报告,在 HotpotQA 和 Fever 上,ReAct 通过查询一个简单的维基百科 API,减少了幻觉和错误传播。由于每一步都写了出来,这些轨迹也比没有推理轨迹的基线更容易检查。
如今,同样的循环通常通过结构化的工具调用来运行,而不再解析文本。以 OpenAI Agents SDK 的 runner 为例,它调用模型,执行模型返回的工具调用,追加结果,再次调用模型,直到得到最终答案。
为什么重要
- 有据可依。 在思考之间基于真实数据行动,可以减少导致幻觉的瞎猜。
- 调试。 每一次思考和观察都看得见,所以你能找到运行在哪里出了问题。
- token 成本。 每个 Thought、Action 和 Observation 都留在历史记录中,并在下一轮重新发送。一次 10 步的 ReAct 运行,会把早期步骤发送 10 次。智能体 token 预算一文对此做了拆解。
- 推理模型。 先思考再回答的模型,会以思考 token 的形式在内部完成一部分“Thought”工作。
在 BroadNet Inference 上
你可以在任何 BroadNet 对话模型上运行 ReAct 循环,既可以用文本格式加少样本示例,也可以用结构化工具。BroadNet 的文档列出了 GLM 5.3 和 Qwen3.8 27B 支持工具调用。开放模型的工具调用一文展示了请求的结构。
DeepSeek V4.1 Flash、GLM 5.3 和 Qwen3.8 27B 都会先思考再回答,思考内容计入 max_tokens。每一步都要为它留出空间,或者把 reasoning_effort 设为 low。