高频面试题

ReAct 推理范式是什么？它如何让 Agent 更可靠地完成任务？

这道题的题眼在“更可靠”三个字：ReAct 不是一种花哨输出格式，而是一套把推理、行动、观察接成闭环的错误控制机制。

适合阶段：Agent 工程 / 核心理论面核心能力：ReAct · Reasoning + Acting · Closed-loop Feedback · Traceability

面试官角度分析，想考什么

• ReAct 是什么？和 CoT、Function Calling 差在哪？
  考你能否说清“推理和行动交替”，而不是只推理或只选一次工具。

• 它为什么能让 Agent 更可靠？
  考机制：显式推理、环境接地、闭环纠错、轨迹可审计。

• 失败模式和适用边界是什么？
  考工程取舍：循环、短视、观察误读；长任务可能更适合 Plan-and-Execute；现代 function calling + loop 本质仍是 ReAct。

可直接抄走的 30 秒参考答案

ReAct 是一种让模型交替推理和行动的范式：每一步先用 Thought 说明现在缺什么、准备做什么，再用 Action 调工具，拿到 Observation 后进入下一轮。它更可靠主要靠三点：行动前先想清楚目的；事实来自工具观察，不全靠模型记忆；工具失败或结果不对时，可以在下一轮修正。同时每一步都有轨迹，失败时能定位到是想错了、调错了，还是看错了结果。当然 ReAct 也会带来循环和成本问题，生产里要配重复检测、最大步数、证据槽位和停止条件。

面试回答详解，知其所以然

这道题的核心不是复述 Thought/Action/Observation 格式，而是解释清楚“为什么这个循环能降低错误率”。可靠性来自机制，不来自格式。

1. ReAct 是什么

ReAct 出自 2022 年论文 Synergizing Reasoning and Acting in Language Models，核心做法是让大模型交错生成两类内容：

• Reasoning（Thought）：对当前状态的分析、下一步意图和理由。
• Acting（Action）：调用外部工具获取观察（Observation）或改变环境。

经典轨迹：

Question: 企业版 SLA 是多少？达不到怎么赔付？
Thought 1: 需要先查企业版 SLA 数字。
Action 1: search_docs["enterprise SLA"]
Observation 1: Enterprise plan monthly uptime commitment is 99.95%.
Thought 2: SLA 数字有了，还缺赔付规则。
Action 2: search_docs["service credits"]
Observation 2: below SLA customers receive service credits...
Thought 3: 两个问题都有证据了，可以回答。
Final: 企业版 SLA 为 99.95%，未达标按服务积分赔付（引用两条证据）。

它和两个近邻概念的关键区别：

• 与 Chain-of-Thought（CoT）不同：CoT 只在模型内部推理，结论无法被外部事实校正；ReAct 的每步推理都会被工具观察检验。
• 与单次 function calling 不同：function calling 通常一次选工具就结束；ReAct 是多轮循环，看到观察结果后再决定下一步。

2. 为什么更可靠：四个机制

机制一：显式推理约束动作选择。 Thought 迫使模型在行动前明确"我现在缺什么信息、为什么调这个工具"。这一步把隐式的决策过程显式化，减少随手乱调工具、参数凭感觉填的问题。没有 Thought 的纯行动 Agent 容易出现"调了工具但说不清为什么"的漂移。

机制二：环境反馈接地，压制幻觉。 模型最不可靠的时刻是"凭参数记忆回答事实问题"。ReAct 把事实来源换成 Observation：答案必须来自工具返回的证据，而不是模型权重里的模糊印象。论文实验里，ReAct 在 HotpotQA 等知识密集任务上比闭卷 CoT 生成更忠实的推理链，幻觉明显更少。

机制三：闭环纠错，错误不过夜。 开环系统（一次生成、直接交付）的错误没有修正机会。ReAct 每步都是"假设 -> 验证"：搜索没结果、工具报错、数据和预期不符，都会作为 Observation 回到循环里，下一步换 query、换工具或向用户澄清。错误在单步内暴露和消化，而不是累积到最后。

机制四：轨迹可审计，失败可定位。 每一步的 Thought、Action、Observation 都在 trace 里。出问题时能定位到底是动作选错、参数写错、观察无关还是过早收尾，评估和改进都有抓手。这直接对应生产里的可观测性要求。

3. 三种范式对比

• CoT（只推理）：推理连贯但闭卷，无法验证事实，知识不足时容易自信地编造。
• Act-only（只行动）：能拿到环境事实，但没有显式推理引导，动作选择随意，多步后容易失去目标。
• ReAct（推理 + 行动）：推理决定动作，观察修正推理，两个短板互补，这就是 Synergizing 的含义。
• Plan-and-Execute（先规划）：长任务更可控省 token，但计划可能过时，缺少 ReAct 每步应变的弹性。

论文里还有个容易被追问的细节：在部分纯推理基准上，ReAct 的 pass@1 不一定高于 CoT，因为工具结果会引入噪声和中断；但 CoT 和 ReAct 结合（用 CoT 提示 ReAct，或对两者结果做多数投票）通常最好。这说明 ReAct 的优势是"接地和忠实"，不是"全方位碾压推理"。

4. 可靠性不是免费的：失败模式与护栏

ReAct 自身会失败，生产里必须加工程护栏：

• 死循环：同一 query 反复调用。护栏：动作签名重复检测、max steps、预算上限。
• 思考幻觉：Thought 编造观察里没有的结论。护栏：最终答案必须绑定 evidence id，无法引用则拒答或追问。
• 观察误读：工具返回无关结果仍当证据用。护栏：观察带相关性分数，低分触发换 query。
• 过早收尾：证据不齐就 Final。护栏：把问题拆成必填证据槽位（required evidence slots），槽位不满足不允许结束。
• 短视与成本：每步都重新思考，长任务 token 成本高且容易漂移。护栏：外层换 Plan-and-Execute，局部节点保留 ReAct。

记住一个原则：模型负责提出下一步，代码负责校验、拦截和兜底。停止条件必须写在循环外层，不能指望模型每次都自觉。

5. ReAct 在现代 Agent 中的位置

今天的生产 Agent 表面上不叫 ReAct，但骨架就是它：

• 结构化 function calling 代替了文本解析的 Action。
• Agent Loop（感知 -> 决策 -> 执行 -> 观察更新）是 ReAct 循环的状态机化。
• Claude、OpenAI 等模型的"思考再调工具"行为，Thought/Action 交替的工业化版本，只是推理内容不一定逐字暴露。

面试里可以主动说：ReAct 是理解所有工具型 Agent 的最小模型，其他模式都是对它的分层扩展——Plan-and-Execute 加规划层，Reflexion 加跨轮反思层，多 Agent 加协作层。

面试官追问3个问题

追问一：ReAct 和 CoT 各自适合什么场景？为什么论文里两者结合最好？

• 考察点：是否理解两种范式的能力边界，而不是站队。
• 回答方向：CoT 适合模型已有足够知识、主要靠推理链就能解决的问题；ReAct 适合需要外部事实或环境交互的任务。结合好的原因是互补：CoT 提供推理深度，ReAct 提供事实接地，投票或提示融合能同时压低幻觉和推理错误。

追问二：Thought 应该暴露给用户吗？

• 考察点：是否了解 chain-of-thought 的产品化和安全边界。
• 回答方向：不建议逐字暴露完整内部推理，可能包含不稳猜测、敏感信息或提示词细节。用户可见的是结论、引用和简短理由；系统侧保存结构化 trace（步骤、动作、参数、观察 id）供调试和审计。

追问三：ReAct Agent 打转怎么发现和阻止？

• 考察点：工程护栏意识。
• 回答方向：对动作做规范化签名（工具名 + 排序后参数），同一签名超过阈值判定卡死；配合 max steps、token 预算、超时。触发后不是直接杀掉，而是注入提示让模型换策略、改写 query 或升级给用户。停止条件由外层代码执行，不依赖模型自觉。

扩展知识

论文实验的核心结论

ReAct 论文在四类任务上做了验证：知识问答（HotpotQA、Fever）、模拟决策（ALFWorld）、网页任务（WebShop）。几个值得记住的结论：

• ReAct 生成的推理链比 CoT 更可解释、幻觉更少，因为论断有观察支撑。
• 在知识密集任务上，ReAct 单独使用时有时不如 CoT-SC（自一致性投票），因为工具检索会引入噪声；两者结合（用 ReAct 提示或合并投票）通常取得最好结果。
• 在需要与环境交互的任务（ALFWorld、WebShop）上，ReAct 明显优于纯推理基线，因为这类任务没有观察就没法做对。

从 ReAct 到现代 Agent Loop

ReAct 文本格式 -> 结构化 function calling -> Agent Loop 状态机
     -> 外层规划/ 反思 / 多 Agent 编排

演化中每个环节解决的问题：结构化输出解决文本解析脆弱；Agent Loop 解决状态管理和停止条件；规划层解决长任务短视；反思层解决跨轮次经验回写。ReAct 没有被淘汰，而是被分层吸收了。

和 Reflexion、Self-Correction 的分工

• ReAct：episode 内的实时纠错，观察反馈在当前任务里消化。
• Reflexion：episode 间的反思，把失败原因写成语言反馈，指导下一次尝试。
• Self-Correction：更广义的检测与回滚机制，可以用在 ReAct 循环内部。

面试里能说清"实时闭环"和"跨轮反思"的层次差异，是加分点。