ReAct（Reasoning + Acting）是一个由普林斯顿大学和 Google 在 2022 年提出的框架（论文：《ReAct: Synergizing Reasoning and Acting in Language Models》）。 简单来说，ReAct 是一种让大语言模型（LLM）既能“思考”又能“做事”的提示工程（Prompt Engineering）范式。 它通过让模型交替生成推理轨迹（Reasoning Traces）和任务行动（Task-specific Actions），从而解决复杂问题。 以下是关于 ReAct 框架的详细解析，以及它是如何结合推理与行动的。 --- 1. 核心理念：打破“只动脑”或“只动手”的局限 在 ReAct 出现之前，LLM 主要有两种使用模式，但都有缺陷： 1. 仅推理（Reasoning Only）： 例如思维链（Chain-of-Thought, CoT）。模型会说“让我们一步步思考”，逻辑很好，但容易产生幻觉（胡编乱造事实），因为它无法获取外部实时信息。 2. 仅行动（Acting Only）： 模型被训练用来调用 AP...
播面