基于 ReAct 模式构建自主智能体：从对话到行动

少林码僧

109人浏览 · 2026-09-09 08:23:39

少林码僧 · 2026-09-09 08:23:39 发布

这里写自定义目录标题

欢迎使用Markdown编辑器

欢迎使用Markdown编辑器

你好！这是你第一次使用# 基于 ReAct 模式构建自主智能体：从对话到行动

一、从"会聊天"到"能办事"的范式跨越

在实际的 AI 应用开发中，开发者们常常面临一个困境：大模型能理解指令、能流畅对话，但如何让它"自主"地完成一个多步骤任务？比如用户提出"帮我分析最近一周 AI Agent 的技术趋势"，这背后需要模型自己决定先去搜索、再筛选信息、最后整理成报告。这种"思考-行动"的循环，就是 AI Agent 的核心。

然而，直接调用大模型 API 只能完成单轮对话。要实现这种循环逻辑，开发者需要自己处理状态管理、工具调度、循环终止等大量工程细节。你可能会尝试手动编排：先调用一次搜索 API，再根据结果构造第二个 Prompt 请求总结，再根据总结构造第三个请求……这种硬编码的方式在简单场景下可行，但一旦任务流程复杂、分支众多，手动编排的代码将变得极其臃肿且难以维护。更重要的是，任务拆解的"决策逻辑"是开发者预设的，模型并没有获得自主规划的能力。

AI Agent 的核心价值正在于此：它把"任务拆解"和"工具选择"的决策权交给了大模型本身。开发者只需定义好可用的工具并设定一个目标，Agent 就能自主决定先做什么、后做什么、用什么工具做。这种从"对话"到"行动"的范式转变，是理解 Agent 技术的一把钥匙。

二、ReAct 模式：思考与行动的交替循环

ReAct 是 Reasoning + Acting 的组合，它的思想来自对人类解决问题方式的模仿：人在处理复杂任务时，会先推理当前情况，然后采取行动，观察行动结果，再继续推理下一步。ReAct 模式把这一过程形式化为一个交替循环：

Thought（思考）：模型基于当前状态推理"下一步该做什么、为什么"。
- Action（行动）：模型从可用工具中选择一个，输出带参数的工具调用请求。
- Observation（观察）：系统执行工具，把真实结果返回给模型。
  循环往复，直到模型判断任务完成，输出最终答案。这个过程用伪代码表示为：

while not done:
    thought = model.reason(state)          # 思考
        action = model.choose_tool(thought)    # 选工具
            if action == "finish":
                    answer = model.answer(state)
                            break
                                observation = execute(action)          # 执行工具
                                    state = update_state(state, observation)
                                    ```
ReAct 模式的价值在于它的透明性和可控性：每一步的思考、行动、观察都被记录下来，形成一条完整的决策轨迹。这不仅让系统的行为可以被解释、被审计，也让调试变得可能——当 Agent 走偏时，你能清楚地看到它是从哪一步开始偏离的。

## 三、从零构建一个 ReAct 智能体

下面不依赖任何重型框架，用最朴素的方式实现一个 ReAct 智能体的核心逻辑，让你看清它的本质。

首先定义工具注册表。每个工具包含名称、描述、参数 Schema 和执行函数：

```python
TOOLS = {
    "web_search": {
            "description": "搜索互联网，返回与查询相关的信息摘要",
                    "parameters": {"query": "string"},
                            "execute": lambda query: search_engine.search(query),
                                },
                                    "calculator": {
                                            "description": "执行数学计算，返回计算结果",
                                                    "parameters": {"expr": "string"},
                                                            "execute": lambda expr: eval(expr),
                                                                },
                                                                }
                                                                ```
然后实现循环主体。把工具列表序列化进系统提示词，让模型在每轮输出结构化的"思考 + 行动"：

```python
def run_agent(user_query, max_steps=6):
    messages = [{"role": "system", "content": SYSTEM_PROMPT_WITH_TOOLS},
                    {"role": "user", "content": user_query}]
                        for step in range(max_steps):
                                resp = llm.chat(messages)
                                        content = resp.content
                                                # 解析模型输出，检测是调用工具还是给出最终答案
                                                        action = parse_action(content)
                                                                if action is None:
                                                                            return content  # 模型给出最终答案，结束
                                                                                    observation = TOOLS[action["name"]]["execute"](**action["args"])
                                                                                            messages.append({"role": "assistant", "content": content})
                                                                                                    messages.append({"role": "user", "content": f"Observation: {observation}"})
                                                                                                        return "达到最大步数，任务未完成"
                                                                                                        ```
这段代码揭示了 ReAct 的全部秘密：一个循环、一套工具注册表、一个会输出结构化动作的模型。当你用真实模型跑起来，开启日志观察，会看到模型一步步地思考、搜索、计算、再思考，直到给出最终答案。

## 四、工具设计：决定 Agent 能力边界

工具是 Agent 的"手脚"，工具设计直接决定 Agent 能做什么、做得多好。几个关键原则：

**描述即文档。** 模型选择工具的唯一依据是工具的描述。模糊的描述（如"处理数据"）会让模型不知所措，精确的描述（如"将 CSV 文件按指定列去重并返回统计结果，适用于数据清洗场景"）才能让模型准确选择。工具描述要写清楚：功能、适用场景、输入输出格式、注意事项。

**参数要收敛。** 工具的参数越少越容易调用稳定。能用单个字符串表达的信息，不要拆成五个字段。参数 Schema 要为模型提供足够的信息，包括每个字段的含义、格式和默认值。

**防御性实现。** 模型调用工具时可能传入不合法的参数。工具内部必须做参数校验和异常处理，宁可返回错误信息也不要抛异常中断整个 Agent 循环。

**结果要精简。** 工具返回的结果会被塞进上下文，冗长的返回会挤占宝贵的上下文窗口。工具应该返回"够用且精炼"的结果，必要时在工具内部做截断或摘要。

## 五、ReAct 智能体的五个常见陷阱与解法

**陷阱一：无限循环。** 模型可能反复调用同一个工具、得到同样的结果。解法是设置最大步数硬上限，并在提示词中要求"如果发现重复的推理，立即改变策略或直接结束"。

**陷阱二：上下文爆炸。** 每一轮循环都会把思考、行动、观察追加进消息列表，几轮之后 Token 消耗急剧上升。解法是控制观察结果的长度、定期压缩历史、用滑动窗口保留最近几轮。

**陷阱三：幻觉扩散。** 模型可能把工具返回的错误信息当作事实继续推理，也可能在工具结果不充分时编造数据。解法是在观察结果中标注来源和可信度，并在提示词中要求模型"对不确定的信息明确表示不知道"。

**陷阱四：过早收尾。** 模型可能在任务只完成了一半时就输出"最终答案"。解法是在系统提示词中定义明确的"完成标准"，并让模型在最终答案中列出已完成的任务清单。

**陷阱五：工具调用格式不稳定。** 不同的模型对结构化输出的遵循程度不同。解法是优先使用模型原生支持的 Function Calling 能力，或强制 JSON 输出并用 Pydantic 校验，而不是依赖脆弱的字符串解析。

## 六、从 ReAct 到更强大的 Agent 形态

ReAct 是最基础的 Agent 模式，理解它是掌握一切 Agent 技术的起点。在此基础上，业界发展出了更丰富的形态。

**Plan-and-Execute（规划-执行）模式**把 ReAct 的"边想边做"改为"先规划后执行"：模型先生成一份完整的执行计划，再按计划逐步执行。它减少了推理开销、让流程更可控，但对计划质量的要求更高，遇到计划外的变化时需要重新规划。

**反思模式（Reflection）**在每轮行动后增加一步自我检查：模型评估自己的输出是否符合目标，发现不足就修正。反思机制能显著提升输出质量，代价是额外的推理调用。

**层级 Agent**让主 Agent 管理若干子 Agent，主 Agent 负责规划，子 Agent 负责执行，各司其职。这是 ReAct 从单 Agent 走向多 Agent 协作的桥梁。

**记忆系统**为 Agent 补充长期记忆：短期记忆保存当前任务的上下文，长期记忆把历史任务中沉淀的经验固化为可复用的知识。有了记忆，Agent 才能从"每次从零开始"进化为"越用越聪明"。

## 七、把 ReAct 变成可靠的生产能力

最后回到工程视角。ReAct 模式在概念上优雅，但让它成为可靠的生产能力，还需要补齐三块拼图：**可观测性**——记录每一步的决策轨迹，配合 trace 工具实现行为还原；**评估体系**——建立覆盖典型任务场景的测试集，用客观指标衡量 Agent 的任务完成率；**安全护栏**——对 Agent 的每次工具调用做权限校验和风险拦截，防止越权操作。

回顾整个探索过程，ReAct 给我们的启示是深刻的：大模型真正强大的地方，不在于它"知道多少"，而在于它能被组织成一个"会思考、会行动、会学习"的系统。把推理和行动交织成一个可追踪的循环，让模型在真实世界的反馈中不断逼近目标——这就是 Agent 技术的核心魅力，也是从"AI 助手"走向"AI 员工"的必经之路。

**Markdown编辑器** 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。

## 新的改变

我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：
 1. **全新的界面设计** ，将会带来全新的写作体验；
 2. 在创作中心设置你喜爱的代码高亮样式，Markdown **将代码片显示选择的高亮样式** 进行展示；
 3. 增加了 **图片拖拽** 功能，你可以将本地的图片直接拖拽到编辑区域直接展示；
 4. 全新的 **KaTeX数学公式** 语法；
 5. 增加了支持**甘特图的mermaid语法[^1]** 功能；
 6. 增加了 **多屏幕编辑** Markdown文章功能；
 7. 增加了 **焦点写作模式、预览模式、简洁写作模式、左右区域同步滚轮设置** 等功能，功能按钮位于编辑区域与预览区域中间；
 8. 增加了 **检查列表** 功能。
 [^1]: [mermaid语法说明](https://mermaid.js.org/intro/)

## 功能快捷键

撤销：<kbd>Ctrl/Command</kbd> + <kbd>Z</kbd>
重做：<kbd>Ctrl/Command</kbd> + <kbd>Y</kbd>
加粗：<kbd>Ctrl/Command</kbd> + <kbd>B</kbd>
斜体：<kbd>Ctrl/Command</kbd> + <kbd>I</kbd>
标题：<kbd>Ctrl/Command</kbd> + <kbd>Shift</kbd> + <kbd>H</kbd>
无序列表：<kbd>Ctrl/Command</kbd> + <kbd>Shift</kbd> + <kbd>U</kbd>
有序列表：<kbd>Ctrl/Command</kbd> + <kbd>Shift</kbd> + <kbd>O</kbd>
检查列表：<kbd>Ctrl/Command</kbd> + <kbd>Shift</kbd> + <kbd>C</kbd>
插入代码：<kbd>Ctrl/Command</kbd> + <kbd>Shift</kbd> + <kbd>K</kbd>
插入链接：<kbd>Ctrl/Command</kbd> + <kbd>Shift</kbd> + <kbd>L</kbd>
插入图片：<kbd>Ctrl/Command</kbd> + <kbd>Shift</kbd> + <kbd>G</kbd>
查找：<kbd>Ctrl/Command</kbd> + <kbd>F</kbd>
替换：<kbd>Ctrl/Command</kbd> + <kbd>G</kbd>

## 合理的创建标题，有助于目录的生成

直接输入1次<kbd>#</kbd>，并按下<kbd>space</kbd>后，将生成1级标题。
输入2次<kbd>#</kbd>，并按下<kbd>space</kbd>后，将生成2级标题。
以此类推，我们支持6级标题。有助于使用`TOC`语法后生成一个完美的目录。

## 如何改变文本的样式

*强调文本* _强调文本_

**加粗文本** __加粗文本__

==标记文本==

~~删除文本~~

> 引用文本

H~2~O is是液体。

2^10^ 运算结果是 1024.

## 插入链接与图片

链接: [link](https://www.csdn.net/).

图片: ![Alt](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9hdmF0YXIuY3Nkbi5uZXQvNy83L0IvMV9yYWxmX2h4MTYzY29tLmpwZw)

带尺寸的图片: ![Alt](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9hdmF0YXIuY3Nkbi5uZXQvNy83L0IvMV9yYWxmX2h4MTYzY29tLmpwZw =30x30)

居中的图片: ![Alt](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9hdmF0YXIuY3Nkbi5uZXQvNy83L0IvMV9yYWxmX2h4MTYzY29tLmpwZw#pic_center)

居中并且带尺寸的图片: ![Alt](https://imgconvert.csdnimg.cn/aHR0cHM6Ly9hdmF0YXIuY3Nkbi5uZXQvNy83L0IvMV9yYWxmX2h4MTYzY29tLmpwZw#pic_center =30x30)

当然，我们为了让用户更加便捷，我们增加了图片拖拽功能。

## 如何插入一段漂亮的代码片

去[博客设置](https://mp.csdn.net/console/configBlog)页面，选择一款你喜欢的代码片高亮样式，下面展示同样高亮的 `代码片`.
```javascript
// An highlighted block
var foo = 'bar';

生成一个适合你的列表

项目
- 项目
  - 项目

项目1
项目2
项目3

计划任务
完成任务

创建一个表格

一个简单的表格是这么创建的：

项目	Value
电脑	$1600
手机	$12
导管	$1

设定内容居中、居左、居右

使用:---------:居中
使用:----------居左
使用----------:居右

第一列	第二列	第三列
第一列文本居中	第二列文本居右	第三列文本居左

SmartyPants

SmartyPants 是一个文本转换工具，主要功能是将普通的 ASCII 标点符号自动转换为更美观的印刷体标点符号。例如：

原始符号	转换后	说明
`"引号"`	“引号”	直引号变弯引号
`'单引号'`	‘单引号’	直单引号变弯单引号
`--`	–	两个连字符变短破折号
`---`	—	三个连字符变长破折号
`...`	…	三个点变省略号

创建一个自定义列表

Markdown

Text-to- HTML conversion tool

Authors

John

Luke

如何创建一个注脚

一个具有注脚的文本。¹

注释也是必不可少的

Markdown将文本转换为 HTML。

KaTeX数学公式

您可以使用渲染LaTeX数学表达式 KaTeX:

Gamma公式展示 $\Gamma(n) = (n-1)!\quad\forall n\in\mathbb N$ 是通过欧拉积分

$\Gamma(z) = \int_0^\infty t^{z-1}e^{-t}dt\,.$

你可以找到更多关于的信息 LaTeX 数学表达式here.

新的甘特图功能，丰富你的文章

关于 甘特图 语法，参考这儿,

UML图表

可以使用UML图表进行渲染，例如下面产生的一个序列图：

关于 UML图表 语法，参考这儿,

流程图

关于 Mermaid 语法，参考这儿,

FLowchart流程图

我们依旧会支持flowchart.js的流程图语法：

关于 Flowchart流程图 语法，参考这儿.

导出与导入

导出

如果你想尝试使用此编辑器, 你可以在此篇文章任意编辑。当你完成了一篇文章的写作, 在上方工具栏找到 文章导出 ，生成一个.md文件或者.html文件进行本地保存。

导入

如果你想加载一篇你写过的.md文件，在上方工具栏可以选择导入功能进行对应扩展名的文件导入，
继续你的创作。

注脚的解释 ↩︎

AI Agent技术社区

Agent 垂直技术社区，欢迎活跃、内容共建。

更多推荐

AI Agent 对比和选型

AI Agent技术社区

2026企业微信AI Agent实测：7款技术方案对比

会话审计、敏感词管理、聊天质检、敏感行为识别、舆情、属性、词频及竞品分析覆盖服务风险；线索公海、客户、产品、商机、订单、回款、发票和业绩目标则连接销售全过程。快创助手负责快速建运营任务，策略生成把目标拆成方案，智能客服回答系统使用咨询，数据报表处理自然语言查数，AI洞察联合标签、订单和会话分析客户。我们设计了客户筛选、订单关联、销售交接、会话质检和异常恢复任务，配合技术访谈与行业公开资料复核。准备