ReAct详解 - 让AI边想边做

这篇文章解决什么问题：想用AI做研究、写报告、分析数据，但AI不知道最新信息？ReAct让AI能够自己查资料、算数据、做验证。

你需要什么基础：了解AI基本原理即可

看完能做什么：让AI像真人一样，先想再查，查完再想，最终给你完整答案

更新日期：2026年4月

一、ReAct是什么？

1.1 问题的引入

你有没有遇到过这种情况：

你问AI：“特朗普现在支持率多少？”

AI回答：“根据我的训练数据，特朗普的支持率是XX%…”

你一看这个数据，傻眼了——这是两年前的过时数据！

问题在哪？ AI不是万能的，它有两个明显的局限：

知识有截止日期：AI的训练数据是”快照”，有截止日期，2025年之后的事情它不知道
无法验证信息：它可能一本正经地胡说八道

1.2 ReAct的解决方案

ReAct（Reasoning + Acting，推理+行动）就是为了解决这些问题。

核心思想：让AI不仅能”想”，还能”做”——调用工具来获取最新信息、验证事实、执行任务。

1.3 打个比方

普通AI = 一个人在考场上闭卷考试

会的就答，不会的瞎猜
不知道的就是不知道
可能出错但不自知

ReAct AI = 一个人在开卷考试 + 有互联网

遇到不确定的，查资料
不懂的数字，算一下
不确定的信息，验证一下
有问题就查，有疑问就验证

二、ReAct是怎么工作的？

2.1 核心循环

ReAct的核心是一个”思考-行动-观察”的循环：

用户问题
    ↓
思考（Thought）：分析问题，决定下一步做什么
    ↓
行动（Action）：调用工具（搜索、计算、查询...）
    ↓
观察（Observation）：获取行动结果
    ↓
思考（Thought）：基于观察，分析下一步
    ↓
行动（Action）：继续调用工具
    ↓
...（循环直到得到答案）
    ↓
最终答案

2.2 三个核心环节

1. Thought（思考）

分析当前问题
决定需要什么信息
规划下一步行动

2. Action（行动）

调用工具获取信息
搜索、计算、查询、读取等

3. Observation（观察）

记录行动结果
分析结果是否足够
决定是否继续

2.3 一个完整的例子

用户问题：特斯拉股票现在多少钱？值得买吗？

---

Thought 1：用户想知道特斯拉股票的当前价格和投资建议。
我需要先获取最新的股价信息。

Action 1：search[特斯拉股票当前价格 2026年4月]
Observation 1：搜索结果显示特斯拉当前股价约248美元。

---

Thought 2：好的，我获取到了股价。现在需要获取一些分析师评级
和近期股价走势，帮助判断是否值得投资。

Action 2：search[特斯拉股票分析师评级 投资建议 2026]
Observation 2：搜索结果显示：
- 高盛目标价：320美元
- 摩根士丹利目标价：290美元
- 分析师平均评级：中性偏多

---

Thought 3：现在我有足够信息进行分析了。让我综合给出建议。

最终答案：
特斯拉当前股价约248美元。基于分析师平均目标价290-320美元，
相对有一定上涨空间。但需要考虑市场波动风险。
建议：观望为主，等待更好的入场时机。

三、ReAct能调用哪些工具？

3.1 信息获取类工具

工具	功能	例子
搜索	搜索网络信息	搜索最新新闻、股价、事件
知识库查询	检索内部知识	查公司文档、产品手册
数据库查询	查询结构化数据	查销售数据、用户数据
API调用	调用外部服务	查天气、汇率、航班

3.2 信息处理类工具

工具	功能	例子
计算器	数学运算	计算增长率、利润率
代码执行	运行代码	数据处理、模型运行
解析器	解析文档	提取PDF、表格中的数据
格式化	整理输出	生成报告、图表

3.3 行动执行类工具

工具	功能	例子
邮件发送	发送邮件	发送报告、通知
日历管理	安排日程	预约会议、设置提醒
文件操作	管理文件	保存文档、创建文件夹

四、ReAct提示词模板

4.1 基础模板

你是一个研究助手，可以通过搜索来回答问题。
 
## 可用工具
- search(查询词)：搜索网络信息
- calculate(表达式)：执行数学计算
- finish(答案)：完成任务，输出最终答案
 
## 工作方式
对于每个问题，你将按照以下格式进行：
 
Thought 1：[你的思考，分析需要什么信息]
Action 1：[调用的工具和参数]
Observation 1：[工具返回的结果]
 
Thought 2：[基于结果的思考]
Action 2：[下一个行动]
...
 
直到你有足够信息给出完整答案，然后用finish()结束。
 
## 格式要求
- Thought、Action、Observation必须清晰标注
- 每次行动都要有明确的理由
- 最终答案要综合所有信息
 
---
 
请回答以下问题：
{user_question}

4.2 进阶模板

你是一位专业的研究分析师，可以使用多种工具来完成研究任务。
 
## 你的能力
1. **信息获取**：搜索网络、查询知识库、读取文件
2. **数据分析**：计算统计指标、趋势分析、对比分析
3. **综合研究**：整合多源信息，形成有见地的结论
 
## 可用工具
| 工具 | 功能 | 格式 |
|------|------|------|
| search | 网络搜索 | search["查询内容"] |
| retrieve | 知识库检索 | retrieve["主题"] |
| calculate | 数学计算 | calculate["表达式"] |
| analyze | 数据分析 | analyze[数据类型] |
| finish | 完成研究 | finish[答案] |
 
## 研究流程
1. **问题拆解**：把复杂问题分解为可执行的子问题
2. **信息收集**：按优先级收集所需信息
3. **分析整合**：综合所有信息进行分析
4. **结论输出**：给出有据可查的结论
 
## 输出规范
- 每步都要有Thought说明理由
- 结论要有数据支撑
- 注明信息来源
 
---
 
开始研究：
{research_question}

4.3 自定义模板

# ReAct提示词模板（可自定义）
 
## 角色定义
[描述你希望AI扮演的角色]
 
## 工具定义
| 工具名称 | 功能 | 调用格式 |
|----------|------|----------|
| [工具1] | [功能描述] | [格式] |
| [工具2] | [功能描述] | [格式] |
 
## 行为规则
1. [规则1]
2. [规则2]
3. [规则3]
 
## 终止条件
当满足以下条件时，使用finish结束：
- [条件1]
- [条件2]
 
## 输出格式
[你想要的最终输出格式]
 
---
 
开始执行：
{user_task}

五、实战案例

5.1 案例一：投资研究

# 问题
帮我研究一下苹果公司(AAPL)最近一个季度的财务表现，以及现在的投资价值。
 
---
 
Thought 1：这是一个投资研究任务。我需要获取苹果公司的最新财报数据和分析师观点。
Action 1：search["苹果公司 2026年Q1财报 营收利润"]
Observation 1：苹果2026财年Q1财报：
- 营收：1243亿美元（同比+5%）
- 净利润：334亿美元（同比+8%）
- 毛利率：47.3%
- iPhone收入：692亿美元
- 服务收入：277亿美元
 
---
 
Thought 2：我获取到了营收数据。现在需要获取分析师对苹果的投资评级和目标价。
Action 2：search["苹果股票 分析师评级 目标价 2026"]
Observation 2：分析师评级汇总：
- 买入评级：35位
- 持有评级：12位
- 卖出评级：3位
- 平均目标价：235美元
- 当前股价：约210美元
 
---
 
Thought 3：我有了财务数据和分析师观点。现在需要计算一些关键指标来评估投资价值。
Action 3：calculate["苹果当前股价210美元，EPS约7.2美元，计算PE比率"]
Observation 3：PE比率 = 210 / 7.2 ≈ 29.2
 
---
 
Thought 4：我现在有足够信息给出综合分析。
 
Action 4：finish
 
## 苹果公司投资研究报告
 
### 财务表现
| 指标 | 数值 | 同比变化 |
|------|------|----------|
| 营收 | 1243亿美元 | +5% |
| 净利润 | 334亿美元 | +8% |
| 毛利率 | 47.3% | 稳定 |
| EPS | 约7.2美元 | +8% |
| PE比率 | 约29倍 | 合理 |
 
### 分析师观点
- 35位买入 / 12位持有 / 3位卖出
- 平均目标价235美元，相对当前有12%上涨空间
 
### 投资建议
**评级：中性偏多**
 
支撑因素：
1. 营收利润双增长，业绩稳健
2. 服务收入持续增长（高毛利业务）
3. 分析师整体看好，机构持股稳定
 
风险因素：
1. iPhone增长放缓，缺乏突破性创新
2. 估值处于历史中枢，不便宜
3. 宏观经济不确定性可能影响消费电子需求
 
**结论**：可以作为长期持有的核心持仓，但短期上涨空间有限。建议逢低布局，不追高。

5.2 案例二：竞品分析

# 问题
帮我研究下智能音箱市场的主要竞品，分析下各家的优劣势。
 
---
 
Thought 1：这是一个竞品分析任务。我需要先了解智能音箱市场有哪些主要玩家。
Action 1：search["智能音箱市场 主要品牌 2026"]
Observation 1：智能音箱市场主要玩家：
1. 亚马逊Echo系列（Alexa）
2. 谷歌Nest系列（Google Assistant）
3. 苹果HomePod（Siri）
4. 百度小度
5. 小米小爱
6. 华为Sound
 
---
 
Thought 2：好的，我了解了主要玩家。现在需要深入了解各家的产品特点和市场份额。
Action 2：search["智能音箱 市场份额 2025 2026"]
Observation 2：市场份额分布（全球）：
- 亚马逊：约35%
- 谷歌：约25%
- 百度：约15%
- 其他：25%
 
中国市场：
- 百度小度：约40%
- 小米小爱：约30%
- 天猫精灵：约20%
- 其他：10%
 
---
 
Thought 3：现在我有了市场格局数据，需要了解各家的核心技术差异。
Action 3：search["亚马逊Echo vs 谷歌Nest vs 苹果HomePod 对比 2026"]
Observation 3：核心对比：
| 维度 | 亚马逊Echo | 谷歌Nest | 苹果HomePod |
|------|-----------|-----------|--------------|
| AI助手 | Alexa | Google Assistant | Siri |
| 语音识别 | 强 | 最强 | 中等 |
| 智能家居生态 | 最强 | 强 | 中等（Apple生态） |
| 音质 | 中等 | 中等 | 最强 |
| 价格 | 低 | 中 | 高 |
| 隐私 | 中等 | 中等 | 最强 |
 
---
 
Thought 4：我有了全面的竞品信息。现在综合分析给出报告。
 
Action 4：finish
 
## 智能音箱市场竞品分析报告
 
### 市场格局
**全球市场**：亚马逊领先（35%），谷歌第二（25%），百度第三（15%）
**中国市场**：百度领先（40%），小米第二（30%）
 
### 主要竞品对比
 
#### 亚马逊Echo系列
**优势**：
- 智能家居生态最完善（支持1万+设备）
- 价格区间广，选择多
- Alexa技能丰富
 
**劣势**：
- 音质一般
- 隐私保护争议
 
**目标用户**：追求智能家居体验的用户
 
#### 谷歌Nest系列
**优势**：
- Google Assistant语音识别最强
- 搜索能力无可比拟
- 性价比高
 
**劣势**：
- 智能家居生态弱于亚马逊
- 隐私问题
 
**目标用户**：依赖Google生态的用户
 
#### 苹果HomePod
**优势**：
- 音质最佳
- Apple生态无缝连接
- 隐私保护最强
 
**劣势**：
- 价格最高
- Siri智能化程度相对较弱
- 生态封闭
 
**目标用户**：Apple全家桶用户，音质优先者
 
### 中国品牌
- **百度小度**：中文交互最强，AI能力突出
- **小米小爱**：米家生态加持，性价比高
- **华为Sound**：音质+鸿蒙生态
 
### 结论
智能音箱市场格局基本稳定，竞争焦点从"能否用"转向"用得好"：
1. 高端音质市场：苹果、华为
2. 智能家居市场：亚马逊、小米
3. AI交互市场：谷歌、百度

5.3 案例三：数据验证

# 问题
用户说他们公司的转化率是15%，但老板觉得太低。帮我核实下这个数据是否合理。
 
---
 
Thought 1：我需要先了解用户公司的基本情况，才能判断转化率是否合理。
Action 1：retrieve["用户公司信息 业务类型 转化率定义"]
Observation 1：用户公司信息：
- 业务类型：B2B SaaS
- 产品：项目管理软件
- 目标客户：中小企业
- 转化率定义：从免费试用到付费的转化
 
---
 
Thought 2：好的，是B2B SaaS的免费转付费转化率。我需要查询行业基准数据。
Action 2：search["B2B SaaS 免费转付费 转化率 行业基准 2025"]
Observation 2：行业数据：
- B2B SaaS行业平均转化率：5-10%
- 优秀水平：10-15%
- 顶尖水平：20%+
- 不同阶段：早期产品转化率较低
 
---
 
Thought 3：让我再查一下具体SaaS细分市场的转化率数据。
Action 3：search["项目管理软件 SaaS 转化率 基准"]
Observation 3：项目管理SaaS细分数据：
- 行业平均：8-12%
- 细分市场平均：10-15%
- 用户反馈型产品更高：15-20%
 
---
 
Thought 4：我现在有足够信息进行综合分析了。
 
Action 4：finish
 
## 转化率评估报告
 
### 用户公司数据
- 业务类型：B2B SaaS
- 产品：项目管理软件
- 转化率：15%
 
### 行业基准对比
| 对比维度 | 用户数据 | 行业平均 | 行业优秀 |
|----------|---------|----------|----------|
| 转化率 | 15% | 5-10% | 10-15% |
 
### 结论
**15%的转化率属于行业优秀水平，不是"太低"，而是"相当不错"。**
 
### 分析
1. 如果转化率定义是从"注册"到"付费"，15%确实优秀
2. 如果转化率定义是从"试用"到"付费"，15%是良好水平
3. 需要结合获客成本和LTV来看ROI
 
### 建议
老板觉得低可能是因为：
1. 不了解行业基准
2. 只看绝对数字，没有相对比较
3. 可能和顶级公司（如Slack早期达到30%+）比
 
建议给老板提供：
1. 行业对比数据
2. 趋势分析（转化率在提升还是下降）
3. 与竞品的对比

六、ReAct的高级用法

6.1 自我纠错

ReAct可以加入纠错机制：

Thought 1：[分析问题]
Action 1：[执行]
Observation 1：[结果]

如果观察结果有问题：
→ Thought 2：我注意到结果可能不准确，需要重新验证
→ Action 2：[重新执行]
→ Observation 2：[新结果]

6.2 多工具协同

复杂任务可能需要多个工具配合：

Thought 1：[分析问题]
Action 1：[搜索信息]
Observation 1：[搜索结果]

Thought 2：[需要计算]
Action 2：[执行计算]
Observation 2：[计算结果]

Thought 3：[需要验证]
Action 3：[查询数据库]
Observation 3：[验证结果]

...综合所有结果...

6.3 规划执行分离

对于复杂任务，可以先规划再执行：

阶段1：规划（Plan）
→ 分解任务
→ 确定需要的工具
→ 制定执行顺序

阶段2：执行（Act）
→ 按计划执行
→ 根据实际情况调整

七、ReAct vs 其他技术

7.1 横向对比

技术	能力	适用场景
普通CoT	只推理	不需要实时信息
ReAct	推理+行动	需要查资料、算数据
ToT	多路径探索	需要权衡选择
Self-Consistency	多路径验证	需要高准确率

7.2 选择指南

问题类型	推荐技术	原因
数学推理	CoT	只需要内部知识
实时信息查询	ReAct	需要搜索最新数据
重大决策	ToT	需要多方案权衡
重要结论验证	Self-Consistency	需要多路径验证
复杂综合任务	ReAct + CoT/ToT	组合使用

八、常见问题

8.1 Q：ReAct和普通AI搜索有什么区别？

A：普通AI搜索是AI自己回答，可能有幻觉。ReAct是让AI显式地调用工具，每一步都有记录可查。

8.2 Q：ReAct总是比普通AI好吗？

A：不是。简单问题用普通AI更快。ReAct适合：

需要实时信息的任务
需要验证事实的任务
复杂的多步骤任务

8.3 Q：ReAct会不会很慢？

A：ReAct需要多次调用工具，确实比单次回答慢。但对于需要准确信息的任务，这个时间值得花。

8.4 Q：ReAct适合所有AI吗？

A：需要AI支持工具调用。主流的Claude、GPT等都可以，通过API调用。

九、总结

ReAct的核心价值

价值	说明
实时性	获取最新信息
可验证	每步都有依据
可追溯	过程透明可见
更准确	减少幻觉错误

什么时候用ReAct

场景	推荐程度
投资研究	⭐⭐⭐⭐⭐ 必用
竞品分析	⭐⭐⭐⭐⭐ 必用
数据验证	⭐⭐⭐⭐ 建议用
实时新闻	⭐⭐⭐⭐ 建议用
简单问答	⭐ 不需要

一句话总结

ReAct让AI从”闭卷考试”变成”开卷考试+查资料”，通过思考-行动-观察的循环，AI能够获取实时信息、验证数据、完成任务，比普通AI更准确、更可靠。

人工智能知识库

探索

ReAct详解 - 让AI边想边做

ReAct详解 - 让AI边想边做

一、ReAct是什么？

1.1 问题的引入

1.2 ReAct的解决方案

1.3 打个比方

二、ReAct是怎么工作的？

2.1 核心循环

2.2 三个核心环节

2.3 一个完整的例子

三、ReAct能调用哪些工具？

3.1 信息获取类工具

3.2 信息处理类工具

3.3 行动执行类工具

四、ReAct提示词模板

4.1 基础模板

4.2 进阶模板

4.3 自定义模板

五、实战案例

5.1 案例一：投资研究

5.2 案例二：竞品分析

5.3 案例三：数据验证

六、ReAct的高级用法

6.1 自我纠错

6.2 多工具协同

6.3 规划执行分离

七、ReAct vs 其他技术

7.1 横向对比

7.2 选择指南

八、常见问题

8.1 Q：ReAct和普通AI搜索有什么区别？

8.2 Q：ReAct总是比普通AI好吗？

8.3 Q：ReAct会不会很慢？

8.4 Q：ReAct适合所有AI吗？

九、总结

ReAct的核心价值

什么时候用ReAct

一句话总结

相关主题

关系图谱

目录

反向链接