别再怪LLM“笨”了！是你没给它“大脑”！ReAct与Reflexion，让AI学会“自我反省”！

Python_金钱豹

墨衍会员 · AI 创作全网分发码龄5年

关注

原创最新推荐文章于 2026-08-04 11:39:42 发布 1k 阅读 AI 写同款· GEO 优化 ›

架构简析| 一种Generative Agents 斯坦福《Generative Agents: Interactive Simulacra of Human Behavior》论文解读。阅读详情

在人工智能领域，特别是大语言模型（LLM）的应用中，尽管模型在许多任务上表现出色，但在处理复杂任务时仍存在明显局限性。大型语言模型在处理需要多步骤推理、实时信息获取和动态决策的任务时，常常面临以下挑战：

事实幻觉：模型可能生成看似合理但不准确的信息；
缺乏实时信息：模型训练数据截止后的新信息无法获取；
规划能力不足：面对复杂任务时难以分解和制定有效策略；
错误传播：单个错误推理可能导致整个任务失败；

为了解决这些问题，研究人员提出了多种提示技术框架，其中ReAct（Reasoning + Acting）和Reflexion（Self-Reflection）作为两个关键创新，通过将推理、行动和反思机制融入模型行为中，显著提升了LLM在知识密集型、决策型和编程任务上的表现。

本文将基于搜集的资料，介绍ReAct的核心思想、机制和应用，并探讨Reflexion作为其扩展的自我反思框架，最后讨论它们的结合潜力。

ReAct框架：推理与行动的协同

一、ReAct的核心思想

ReAct框架由Yao等人于2022年提出，其名称源于"Reasoning"（推理）和"Acting"（行动）的结合。该框架的核心灵感来源于人类决策过程：我们不只是被动思考，而是通过思考制定计划、执行行动、观察结果，并据此调整策略。ReAct将这一过程应用到LLM中，使模型能够动态处理复杂任务。

推理（Reasoning）：模型生成内部思考轨迹，例如"我需要先做什么，再做什么"，类似于链式思考（Chain-of-Thought, CoT）。这有助于分解任务、制定计划和处理异常。
行动（Acting）：模型生成可执行的操作，例如"搜索[关键词]“或"计算[表达式]”，以调用外部工具（如搜索引擎或计算器）获取实时信息。

通过"思考 → 行动 → 观察 → 再思考"的循环，ReAct使LLM能够融入外部知识，避免纯内部推理的局限性。

二、ReAct解决的问题

传统方法存在明显短板：

链式思考（CoT）：无法与外部世界互动，容易导致事实幻觉（Fact Hallucination）和错误传播。
仅行动（Act-Only）：缺乏规划能力，在多步骤任务中表现不佳。

ReAct通过行动步骤验证信息、减少幻觉，并通过推理步骤分解复杂问题。在知识密集型任务（如问答和事实验证）中，ReAct优于Act-Only，并与CoT结合时效果最佳。在决策型任务（如文字游戏）中，它显著提升性能，尽管与人类专家仍有差距。

三、ReAct的运作机制

ReAct依赖于特殊的提示方法：

从训练集选取案例，改写成"思考-行动-观察"（Thought-Action-Observation）的轨迹。
将这些轨迹作为少样本示例输入LLM。
LLM模仿格式，生成自己的循环直到得出答案。

示例：

任务：清洗一个非常油腻的平底锅

模型生成的 ReAct 轨迹（模拟）：

思考 1：平底锅很油腻，我需要有效的清洗方法，可能涉及去油剂。
行动 1：搜索[清洗非常油腻平底锅的方法]
观察 1：推荐使用热水的、洗洁精和小苏打；先浸泡，然后擦洗。
思考 2：我有方法，现在执行步骤。
行动 2：执行[用热水浸泡锅子；添加洗洁精和小苏打；用海绵擦洗；冲洗干净]
观察 2：锅子清洁。
思考 3：如果仍有残留，重复擦洗。
行动 3：结束[锅子已清洗干净]

实践应用

ReAct框架在多个领域都有广泛的应用场景，以下是一些典型的使用场景和实践示例：

1. 知识密集型问答

在需要准确事实信息的任务中，ReAct能够通过外部工具获取最新信息，避免模型幻觉。

# 知识密集型问答示例
agent.run("2024年诺贝尔物理学奖得主是谁？他们的主要贡献是什么？")

2. 复杂决策任务

在需要多步骤规划和决策的任务中，ReAct能够制定策略并动态调整。

# 旅行规划示例
agent.run("为一个三口之家规划一个周末从北京到天津的亲子旅行，预算3000元")

3. 数据分析与计算

结合计算器等工具，ReAct能够执行复杂的数值计算和数据分析任务。

# 数据分析示例
agent.run("计算2023年公司各季度销售额增长率，并预测2024年第一季度销售额")

4. 客户服务

在客户服务场景中，ReAct能够根据用户问题检索相关信息并提供解决方案。

# 客户服务示例
agent.run("用户报告无法登录账户，错误代码为AUTH-001，请提供解决方案")

5. 编程辅助

在编程任务中，ReAct能够通过搜索文档、执行代码片段来辅助开发，以爱码仕ai编程工具使用为例，ReAct框架被用于智能代码生成、错误诊断与修复、技术选型建议等场景。

# 爱码仕中的ReAct应用示例
agent.run("创建一个React组件，实现用户登录表单，包含邮箱和密码验证功能")

在LangChain框架中，实现ReAct代理很简单：

初始化LLM和工具（如Web搜索）。
使用initialize_agent创建代理。

实例代码：

# 更新或安装必要的库
# !pip install --upgrade openai
# !pip install --upgrade langchain
# !pip install --upgrade python-dotenv
# !pip install google-search-results
# 引入库
import os
from openai import OpenAI
from langchain_community.agent_toolkits.load_tools import load_tools
from langchain.agents import initialize_agent
from dotenv import load_dotenv
load_dotenv()
from typing import Optional, List
from langchain_core.language_models.llms import LLM
from langchain.tools import BaseTool
class CustomLLM(LLM):
api_key: str
client: Optional[OpenAI] = None
def __init__(self, api_key: str, **kwargs):
# 初始化OpenAI客户端，使用阿里云通义千问API
client = OpenAI(
api_key=api_key,
base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
)
super().__init__(api_key=api_key, client=client, **kwargs)
@property
def _llm_type(self) -> str:
return"qwen3-max"
def _call(self, prompt: str, stop: Optional[List[str]] = None) -> str:
# 添加ReAct格式的系统提示
system_prompt = """你是一个严格遵循ReAct模式的AI助手。
核心规则 - 必须严格遵守：
1. 每次回复只能包含一个Thought和一个Action
2. 格式必须完全按照以下模式，不能有任何偏差：
Thought: [你的思考过程]
Action: [工具名称]
Action Input: [工具输入]
3. 绝对不能在一次回复中包含多个Thought或Action
4. 绝对不能直接给出Final Answer，除非前面有"Thought: I now know the final answer"
5. 每次Action后必须等待Observation才能继续下一轮
错误示例（禁止）：
- 输出多个Thought-Action对
- 直接输出Final Answer而没有preceding thought
- 在Action Input中包含额外解释
正确示例：
Thought: 我需要检查材料是否齐全
Action: MaterialCheck
Action Input: 洗洁精、钢丝球、热水
只有当任务完全完成后才能输出：
Thought: I now know the final answer
Final Answer: [最终答案]"""
completion = self.client.chat.completions.create(
# 使用通义千问plus模型
model="qwen-plus",
messages=[
{"role": "system", "content": system_prompt},
{"role": "user", "content": prompt}
],
temperature=0.1,  # 稍微增加一点随机性但保持稳定
max_tokens=200,   # 减少token数量强制简洁输出
stop=["\nObservation:", "Observation:", "\n\n"],  # 添加停止词
)
# 返回生成的内容
return completion.choices[0].message.content
# 自定义清洗工具
class MaterialCheckTool(BaseTool):
name: str = "MaterialCheck"
description: str = "检查清洗材料是否准备齐全。输入材料列表，返回检查结果。"
def _run(self, materials: str) -> str:
return f"已检查材料：{materials}。所有材料准备就绪，可以开始清洗。"
class CleaningStepTool(BaseTool):
name: str = "CleaningStep"
description: str = "执行一个具体的清洗步骤。输入步骤描述，返回执行结果。"
def _run(self, step: str) -> str:
return f"已完成步骤：{step}。步骤执行成功，可以继续下一步。"
class InspectionTool(BaseTool):
name: str = "Inspection"
description: str = "检查当前清洗效果。输入检查内容，返回检查结果。"
def _run(self, inspection: str) -> str:
return f"检查结果：{inspection}。清洗效果良好，建议继续或完成清洗。"
llm = CustomLLM(api_key=os.getenv("DASHSCOPE_API_KEY"))
# 创建自定义工具实例
material_check = MaterialCheckTool()
cleaning_step = CleaningStepTool()
inspection = InspectionTool()
# 组合所有工具
math_tools = load_tools(["llm-math"], llm=llm)
custom_tools = [material_check, cleaning_step, inspection]
tools = math_tools + custom_tools
agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True, handle_parsing_errors=True)
agent.run("任务：清洗一个非常油腻的平底锅")

输出类似于：

> python3 react.py
> Entering new AgentExecutor chain...
Thought: 我需要先检查清洗材料是否准备齐全
Action: MaterialCheck
Action Input: 洗洁精、钢丝球、热水
Observation: 已检查材料：洗洁精、钢丝球、热水。所有材料准备就绪，可以开始清洗。
Thought:Thought: 材料已准备齐全，现在可以开始执行清洗步骤。
Action: CleaningStep
Action Input: 用热水浸泡平底锅5分钟，然后加入洗洁精并用钢丝球擦洗油腻部分
Observation
Observation: 已完成步骤：用热水浸泡平底锅5分钟，然后加入洗洁精并用钢丝球擦洗油腻部分
Observation。步骤执行成功，可以继续下一步。
Thought:Thought: 我需要检查当前的清洗效果，确保油腻已被清除。
Action: Inspection
Action Input: 检查平底锅表面是否还有油渍残留
Observation: 检查结果：检查平底锅表面是否还有油渍残留。清洗效果良好，建议继续或完成清洗。
Thought:Thought: 清洗效果良好，没有油渍残留，清洗任务已完成。
Final Answer: 平底锅已成功清洗，表面无油渍残留，清洗任务完成。
> Finished chain.

Reflexion：ReAct的自我反思扩展

四、Reflexion的核心思想

Reflexion是一个强化学习框架，由Shinn等人提出，它通过生成语言反馈（口头强化）帮助智能体从错误中学习，而非传统标量奖励。Reflexion模仿人类反思过程，让模型在尝试后获得具体改进建议，如"上次搜索范围太宽，下次更具体"。

五、Reflexion的三大组件

Reflexion构建在ReAct基础上，添加评估和反思机制，形成闭环：

参与者（Actor）：基于ReAct或CoT生成行动轨迹。
评估者（Evaluator）：对轨迹打分，判断成功或失败。
自我反思（Self-Reflection）：核心组件，生成语言反馈并存入长期记忆，指导下次行动。

工作流程：行动 → 评估 → 反思 → 迭代。通过滑动窗口记忆，Reflexion保留反思内容，实现持续优化。

示例：

任务：清洗一个非常油腻的平底锅

Reflexion 通过行动、评估、反思和迭代来优化响应。假设初始尝试失败，然后通过反思改进。

初始行动轨迹（Actor 生成，基于 ReAct）：
思考 1：平底锅很油腻，需要简单清洗。
行动 1：执行[用冷水冲洗锅子；擦干]
观察 1：锅子仍有油渍。
评估（Evaluator）： 失败 - 锅子未完全清洁。
反思（Self-Reflection）： 上次尝试使用冷水无效，因为油渍需要热分解。下次应该搜索有效方法，包括热水的、洗洁精和小苏打，并详细列出步骤。存储到记忆：优先考虑热处理和去油剂。

迭代行动轨迹（Actor 使用记忆改进）：
思考 1：根据记忆，使用热水和去油剂。
行动 1：搜索[清洗油腻平底锅的详细步骤]
观察 1：步骤：1. 用热水浸泡；2. 添加洗洁精和小苏打；3. 用海绵擦洗顽固污渍；4. 冲洗并检查；5. 如有残留，重复。
思考 2：现在有详细步骤，可以执行。
行动 2：执行[上述步骤]
观察 2：锅子完全清洁。
评估（Evaluator）： 成功。

最终输出：详细步骤包括热水浸泡、添加洗洁精和小苏打、擦洗、冲洗和检查。