ReAct（推理 + 行动）

让模型交替写推理（Thought）与调用工具（Action）的 agent 模式，能根据工具结果继续推理。

ReAct 是 Google 2022 年论文提出的提示模式，把 chain-of-thought 推理和工具使用结合起来。模型先写 Thought（思考），选择 Action（工具调用），收到 Observation（工具结果），然后继续循环——Thought、Action、Observation、Thought、Action、Observation——直到得到答案。它重要的原因是：纯粹的 CoT 推理没办法查资料。ReAct 让模型可以在推理过程中查 Wikipedia、上网搜索、执行代码、查数据库、调用任何工具。这是现代 LLM agent 的基础：模型想清楚要什么，去拿，再继续想。简单例子：「首都是万象的国家人口多少？」模型想「先要知道哪个国家首都是万象」，调用搜索工具拿到「老挝」，再想「现在要查老挝人口」，再搜索拿到「750 万」，最后给答案。大多数 agent 框架（LangChain、LlamaIndex、AutoGPT、Anthropic 的 tool use）底层都是某种 ReAct 变体。现代 function calling API 等于把 ReAct 变成原生功能，Thought/Action 格式换成结构化的 tool call。延伸阅读：tool use、function calling、agent、chain-of-thought。