ReAct: Synergizing Reasoning and Acting in Language Models
ReAct：让 reasoning 与环境行动相互补充
交替进行 reasoning、行动和环境观察，在执行过程中获取新信息并调整计划，是 feedback 式 Agent 的基础组件。
Classification & RSI Relation 1 Variant · Editorial Assessment
主题标签用于检索；以下按实际 Experiment / Variant 判断更新对象与证据。Not Demonstrated 表示这项研究未提供相应证据。
Main Method
- Update Target
- No persistent system target in this setting
- Loop Role
- Solver
- Persistence
- Ephemeral
- Recursive Reuse
- Not Demonstrated
- Evidence
- Task Gain
- System Boundary
- Reasoning & Acting Workflow；以该论文实际可更新组件为边界，固定部分见下方判定。
- Feedback
- 任务接口返回的检索内容、环境状态及动作结果。
- Evidence Scope
- 核心 prompt 范式没有持久学习模块，也不要求修改 model parameters、prompt optimization 器或自身代码。论文另有初步 fine-tuning 实验，但不能因此把主方法的每次观察都说成参数学习，或把任务内重规划称为 Recursive Self-Improvement。 已核验固定版本的相关方法与主要结果；未独立复现。
交错 reasoning 与 action 是执行方式；原方法不提交跨任务 Agent 配置更新。
检查原文设置 ↗原论文明确提出或报告的内容
相关文献中已有的知识与结论
基于证据的解释、重建或教学推演
待验证的猜测、实验计划或新研究提案
Idea Reconstruction 是从已知背景出发的推演，不代表作者真实心理过程。Follow-up 是研究提案；相关工作比较不等于已证实 Novelty。教学示例与原文案例在正文中区分。
Contents · 12 Questions
Research Problem & Background
问题为什么重要，解决它有什么价值？
只在内部生成 reasoning 容易延续错误事实，只预测动作又难以跟踪子目标和异常。论文研究如何把语言 reasoning 与环境交互放进同一过程，使计划能依据新证据更新，行动也能主动补充 reasoning 所缺的信息。
只生成长段推理容易依赖错误的内部知识，只执行动作又难以维护计划。ReAct 研究能否让 Thought 指导下一次行动，再用真实 Observation 修正后续 Thought。它为后来许多 Self-Evolving Agents 提供执行骨架，但自身主要处理当前任务。
Prior Work & Research Gap
前人做到哪一步，缺口在哪里？
原文比较 Chain-of-Thought 与只行动的 Agent：前者能组织中间计算，但缺少环境核验；后者能获取外部信息，却可能难以综合观察。ReAct 把语言思考加入动作序列，使任务分解、检索与状态跟踪在同一轨迹中交替出现。
Idea Reconstruction
从已有知识与失败模式出发，如何走到这个想法？
从多跳问答推起：先知道缺哪条事实，才能选择检索对象；检索回来后又要决定是否已足够回答。固定的一次检索不一定覆盖后续需求。把这种“计划一次、观察一次、调整一次”的过程写成 Few-shot Trajectory，便能用固定 Model 实现动态交互。
Core Intuition
用一个清楚的视角抓住方法本质。
一次行动既能推进目标，也能产生新的认识。ReAct 让 reasoning 指导何时查询与操作，再让观察约束后续 reasoning；编辑理解是，它解决了 feedback 从哪里进入决策的问题，却没有自动解决经验怎样跨任务保留的问题。
Method & Worked Example
沿着输入、处理、输出走完 Pipeline。
用少量包含思考、动作与观察的示例，对冻结 model 进行 prompting。动作调用任务接口获取结果，文字 reasoning 用于分解目标、提炼观察和修订计划；持续追加的任务 context 连接这些步骤，直至作答或完成环境任务。
原文在 ALFWorld 中使用把纸张放到台灯下检查等任务。输入目标与环境描述，Thought 将目标拆为找到纸张和台灯；Action 导航、拿取和使用，Observation 更新物品位置与动作结果；Agent 据此继续行动直到完成。输出是实际动作轨迹与任务结果，没有将本次经验写入下一任务的训练步骤。
Mathematical Foundations
从符号、直觉与简单例子理解理论。
将原动作空间 A 扩成 A∪L，L 表示语言 Thought。环境动作改变外部状态并产生 Observation；Thought 只更新当前 Context。这是一个清楚的形式化区别：Context 变长能改变当前策略输入，却不自动形成持久系统更新。论文主要通过 Prompt 和实验展示效果，无通用收敛保证。
 = A ∪ L Thought: context_(t+1) = (context_t, thought_t) Action: environment → observation_(t+1)
Experiments & Claims
Research Question → Experiment → Answer
Question：Reasoning 与 Acting 的结合是否互补？→ Experiment：在问答、事实验证、ALFWorld 与 WebShop 比较 CoT、Act-only 和 ReAct 等设置。→ Answer：作者报告多场景收益，也指出检索和推理会相互影响；并非每个任务都由同一种方式最好解决。
作者在问答、事实核验、文本环境和网页操作任务中报告有效性，并分析相对仅 reasoning 或仅行动的差异。主实验是 few-shot prompting 执行，成绩反映当次任务求解能力，而非多轮自主更新后的通用能力增长。
Takeaways
这篇论文改变了哪些判断？
One-Week Reproduction
用一周检验一个最小且明确的命题。
Day 1–2：建立一个有 Search、Lookup、Finish 的小型知识环境。Day 3–5：比较 CoT、Act-only 与交替轨迹，保持调用上限一致。Day 6–7：加入缺失页面与冲突信息，检查成功率和证据使用情况。
Counterexample Design
如何构造有辨识力的反例？
让工具返回一条明确反驳初始猜测的事实。如果 Agent 在 Thought 中提到它却仍输出原结论，就能将“看到证据”与“根据证据改变决策”区分开。
Follow-up Research
从缺陷与需求推导新的研究问题。
研究 Observation 的实际因果作用：对相同任务替换关键工具返回，测后续行动是否按证据变化，并训练能识别何时需要新信息的控制器。目标是信息获取策略的可验证性，而非把 Thought 写得更长。
Sources & Verification
阅读已固定版本的原文 Background、方法与主要结果，结合下列相关文献撰写。Paper Claim 表示作者报告，未独立复现；Inference 包括数学教学推演与 Idea Reconstruction。One-Week Reproduction、Counterexample 和 Follow-up 均为待执行提案，Novelty 尚需更全面的文献与实验检验。
- [1] ReAct: Synergizing Reasoning and Acting in Language Models · v3 ↗原文 Background、Method / Formalization 与主要实验或理论结论。数字沿用原文设置；未独立运行完整实验。