Agents & Tool Use: 描述 ReAct 循环与它的设计动机。

Core Concept: 交替'思考→行动→观察'，用外部工具获取信息并修正推理；动机是弥补 LLM 的'知识静态、无法执行动作'。

数学机理：<strong>ReAct（Yao 等 2022）</strong> 把 LLM 的两种能力<strong>交织</strong>：(a) <strong>推理（reasoning）</strong>——生成思考步骤（'我需要先查 X'）；(b) <strong>行动（acting）</strong>——调用外部工具（搜索、计算器、API）并接收<strong>观察（observation）</strong>。循环为 thought → action → observation → thought → … 直到得出答案。<strong>设计动机</strong>——LLM 有两个根本局限：(1) <strong>知识静态</strong>——训练数据有截止时间，无法访问实时信息（新闻、股价、内部数据库）；(2) <strong>无法执行动作</strong>——不能计算精确算术、不能调用 API、不能修改外部状态。ReAct 通过'工具调用'弥补这两点：把'需要外部信息/精确计算'的部分交给工具。<strong>与 CoT 的差异</strong>——CoT <strong>只在语言空间内推理</strong>（不获取新信息、不执行动作）；ReAct <strong>与外部交互</strong>（获取信息、执行动作）。故 CoT 适合'纯推理'任务，ReAct 适合'需外部信息或动作'的任务。<strong>ReAct 的关键设计</strong>：(a) <strong>交错而非分离</strong>——推理与行动交替（而非'先想完再做'），使推理能<strong>基于观察动态调整</strong>（这是它的核心价值）；(b) <strong>可解释</strong>——思考步骤显式记录（便于调试）；(c) <strong>可组合</strong>——可接多个工具。<strong>失败模式</strong>：(a) <strong>陷入循环</strong>（反复调用同一工具）；(b) <strong>工具选择错误</strong>（选错工具或参数）；(c) <strong>幻觉工具</strong>（调用不存在的工具）；(d) <strong>忽略观察</strong>（不利用工具返回的结果）；(e) <strong>过早停止</strong>（未完成就给出答案）；(f) <strong>无法终止</strong>（不输出最终答案）。<strong>改进方向</strong>——(a) <strong>Reflexion</strong>（失败后反思并重试）；(b) <strong>Plan-and-Execute</strong>（先规划再执行）；(c) <strong>Tree search over actions</strong>（LATS）；(d) <strong>专门的工具调用训练</strong>（function calling 微调）。<strong>与'推理模型'的关系</strong>——现代推理模型内化了部分推理能力，但<strong>工具调用仍需 ReAct 式的外部交互</strong>（因为信息不在参数里）。

深度剖析与工程权衡：① <strong>'交错推理与行动'是 ReAct 的精髓</strong>——若把'先想完再做'（plan-then-execute）作为对比，交错方式的优势是<strong>能基于观察修正</strong>（例如搜索结果显示'X 不是创始人'，则调整后续推理）。这对'信息不确定'的任务至关重要。② <strong>'工具质量决定 Agent 上限'</strong>——ReAct 的效果高度依赖 (a) 工具的数量与质量、(b) 工具描述的清晰度（模型靠描述选工具）、(c) 返回结果的可用性（太长则占上下文、太简则信息不足）。故 Agent 工程的重点在<strong>工具设计</strong>。③ <strong>'循环失控'是主要工程风险</strong>——需设 (a) <strong>最大轮数</strong>（防死循环）、(b) <strong>成本预算</strong>（防费用失控）、(c) <strong>超时</strong>。④ <strong>与'function calling'的关系</strong>——ReAct 是<strong>提示层面的范式</strong>；function calling 是<strong>模型能力</strong>（模型原生输出结构化的工具调用）；后者更可靠（格式固定、参数正确率高），是现代 Agent 的基础。⑤ <strong>'观察'的上下文管理</strong>——工具返回的长文本（如网页）会占用大量上下文；需 (a) 截断/摘要、(b) 只提取相关部分（用检索）；这是 Agent 的'上下文工程'。⑥ <strong>面试要点</strong>——被问'ReAct 是什么'，应给出'<strong>思考→行动→观察的循环 + 动机（知识静态、无法执行动作）+ 与 CoT 的差异（外部交互 vs 内部推理）</strong>'，并列举失败模式（循环/选错工具/忽略观察）；能指出'工具质量决定上限'是深度理解的标志。