ReAct
ReAct (Reason + Act)结合推理（Thought）和行动（Action）的提示范式，让模型在每次工具调用前先显式推理，再观察结果并决定下一步，是构建可靠 Agent 的基础模式。
# Agent
# 推理
ReAct 范式
2022 年提出的论文框架，将「推理」和「行动」交替进行，避免 Agent 盲目执行。
循环结构：
Thought: 分析当前状态，决定下一步
Action: 调用工具（搜索/计算/API）
Observation: 获取工具返回的结果
Thought: 基于结果再次推理
... 直到得出最终答案
优势： - 推理过程可追溯，便于调试 - 工具调用有明确动机，减少随机性 - 观察反馈让模型可以纠错
与 CoT 的区别： CoT 只有推理，无工具调用；ReAct 在推理和行动之间循环迭代。
提示： 大多数 Agent 框架（LangGraph、AutoGen）底层都实现了 ReAct 或其变体。