首页 / 推理+行动（ReAct）
🔄 推理+行动（ReAct） 是什么？
像侦探破案：想一步、做一步，循环推进
⚡ 一句话秒懂
像侦探破案：想一步、做一步，循环推进
📖 举个故事
小刘问AI「能帮我找到去年公司年会上那张合影吗？」AI开始推理：『年会照片可能在共享相册→调用搜索工具查相册→没找到。再推理：『也可能在公司企业微信群里→调聊天记录搜索→找到了。AI像侦探一样，思考→行动→看到结果→再思考，直到完成任务。这就是ReAct模式。
💡 类比理解
暂未补充。
🧩 真实例子
暂未补充。
🛠️ 怎么实际使用
ReAct适合需要多步推理的任务。例如：「帮我对比三款手机的性价比」。AI会：①搜索手机A参数→②搜索手机B参数→③搜索手机C参数→④对比分析给出结论。每一步都基于前一步的实际搜索结果，而不是靠「猜」。这也是很多AI搜索产品（如Perplexity）的工作方式。
📚 进阶原理
ReAct（Reasoning+Acting）框架将推理轨迹和工具调用交替循环。模型输出思考链（Thought），然后执行动作（Action），观察结果（Observation），再进入下一轮推理。这种交错结构利用了LLM的推理能力来指导工具使用，同时用工具反馈修正推理方向，显著减少幻觉。