ReAct（推理 + 行動）

讓模型交替寫推理（Thought）與呼叫工具（Action）的 agent 模式，能根據工具結果繼續推理。

ReAct 是 Google 2022 年論文提出的提示模式，把 chain-of-thought 推理和工具使用結合起來。模型先寫 Thought（思考），選擇 Action（工具呼叫），收到 Observation（工具結果），然後繼續循環——Thought、Action、Observation、Thought、Action、Observation——直到得到答案。它重要的原因是：純粹的 CoT 推理沒辦法查資料。ReAct 讓模型可以在推理過程中查 Wikipedia、上網搜尋、執行程式碼、查資料庫、呼叫任何工具。這是現代 LLM agent 的基礎：模型想清楚要什麼，去拿，再繼續想。簡單例子：「首都是永珍的國家人口多少？」模型想「先要知道哪個國家首都是永珍」，呼叫搜尋工具拿到「寮國」，再想「現在要查寮國人口」，再搜尋拿到「750 萬」，最後給答案。大多數 agent 框架（LangChain、LlamaIndex、AutoGPT、Anthropic 的 tool use）底層都是某種 ReAct 變體。現代 function calling API 等於把 ReAct 變成原生功能，Thought/Action 格式換成結構化的 tool call。延伸閱讀：tool use、function calling、agent、chain-of-thought。