Agent 基本范式

一句话定位：Agent 的基本范式是感知 → 规划 → 执行 → 观察的闭环，而 ReAct 是这个闭环在 LLM 上的具体实现——让模型把”思考”和”行动”显式交替写出来，使决策过程可追踪、可干预。

1. 感知-规划-执行-观察闭环

• 感知（Perceive）：接收当前任务、历史上下文、工具返回的观察结果，构成”当前状态”。
• 规划（Plan）：基于当前状态决定下一步做什么（可能是直接回答，也可能是调用某个工具）。
• 执行（Act）：真正调用工具/执行动作。
• 观察（Observe）：拿到执行结果，反馈回感知环节，进入下一轮循环，直到任务完成或达到终止条件。

这个循环本质上和经典 AI 里的 Agent 定义（感知环境、决策、作用于环境）一致，只是”环境”换成了”工具 + 上下文”。

2. ReAct：让”思考”显式化

• 传统做法是模型直接输出最终答案（Act-only）或先长篇推理再给答案（Reason-only），两者都不利于纠错与追踪。
• ReAct（Reasoning + Acting）：让模型交替输出 Thought（推理这一步该做什么）→ Action（调用哪个工具、参数是什么）→ Observation（工具返回结果）→ 下一轮 Thought……直到给出 Final Answer。
• 好处：
  • 可追踪：每一步”为什么这么做”都写在 Thought 里，出错时能定位是哪一步推理错了还是工具调用错了。
  • 可干预：可以在任意 Thought/Action 之间插入人工审核（对应 7.7 的 Human-in-the-loop）。
  • 减少幻觉：把”凭空编答案”变成”基于真实 Observation 逐步推进”，降低模型编造事实的概率。

3. 面试落点

• 能画出这个闭环图，并指出 ReAct 相比”直接输出答案”多了哪些环节、解决了什么问题（可追踪性、可干预性）。
• 可迁移话术：这个闭环和大数据里的”任务调度器观察任务状态 → 决定下一步调度动作 → 执行 → 再观察”的思路是同构的，只是决策主体从规则/调度算法换成了 LLM。

参考：论文《ReAct: Synergizing Reasoning and Acting in Language Models》(Yao et al., 2022)