通过一个简单游戏理解 ReAct（Reasoning + Action）

Source: Dev.to

当我第一次从纽约市搬到费城时，我渴望社交互动。于是我做了任何成年人都会做的事：下载了 Meetup。我的第一次社交活动是一场作家聚会，破冰游戏是一个叫 “传递故事” 的童年游戏。

“传递故事” 游戏

1. 一张纸在大家之间传递。
2. 有人写下一行文字，然后把纸传给下一个人。
3. 每位新参与者阅读已经写好的内容，补上下一行，再传下去。
4. 这一过程持续进行，直到小组共同完成一个故事。

将游戏映射到 ReAct

ReAct（观察 + 推理 + 行动）可以用游戏的步骤来说明：

页面上的第一行是 查询。每位后续参与者重复观察 → 推理 → 行动的循环，直至故事完成。

语言模型的无状态性

就像下一个玩家在阅读纸张之前对故事一无所知，LLM 也是 无状态 的：它们不会在 API 调用或对话轮次之间保留记忆。每一次请求都是全新的——这点类似于宝莱坞同名电影《Ghajini》中的角色。

把完整的故事向前传递相当于在下一次 API 调用时把对话历史发送回 LLM。累计的故事就成为模型的 上下文。

限制与实际解决方案

无限循环

如果参与者（或模型）的“词汇量”非常有限，可能会一直重复同一句话：

“猫和狗都是动物。动物就是猫和狗。”

在 AI 中，这表现为 无限循环——观察没有提供新信息，推理重复，行动一次又一次地相同。

解决方案： 对迭代次数设定硬性上限（例如“仅允许 5 次迭代”）。

上下文窗口限制

当故事变得很大（比如 100 页）时，后面的参与者实际上不可能阅读全部内容。LLM 也面临同样的问题：每一次观察 → 推理 → 行动循环都会增加更多 token，这会：

• 增加成本
• 放慢响应时间
• 有触及模型上下文上限的风险

解决方案： 上下文裁剪——不必每次都发送完整历史，只保留最近的几步，并对更早的步骤保持一个高层次的摘要。

ReAct 与 ReWOO 的比较

• ReAct：每一步后都思考（即兴）。
• ReWOO：先深思熟虑，生成结构化计划，再执行（策略性）。

这相当于：

• 即兴 地逐行编写故事， versus
• 先商定 故事大纲再写章节。

两种方法各有用处：一种是反应式的，另一种是策略性的。

观点

我认为 ReWOO 正是 IBM 视频中提到的“2026 年是多代理时代”所指的内容。到今年年底，这篇博客可能已经过时，但我希望它能清晰地阐释 ReAct 循环的工作原理，并鼓励大家分享自己的想法。

---

感谢费城出色的作家团体对我的热情接纳！

Reddit | 大语言模型