我们来说说 Agent 的推理模式有哪些？说说 ReAct 模式，它和 CoT、ToT 等模式有什么区别？

第一部分：Agent推理模式谱系

Agent的推理模式可以看作一个光谱，一端是纯粹的“思考”，另一端是纯粹的“行动”，中间则是二者的结合。

1. 纯推理模式：只思考，不行动 这类模式主要用于解决复杂的推理问题，如数学、逻辑谜题，不涉及与外部环境交互。

• 链式思考（Chain-of-Thought, CoT）：模型在给出最终答案前，先生成一系列中间推理步骤。这就像考试时写出解题过程。
• 思维树（Tree of Thoughts, ToT）：不满足于单一的推理链，而是在每一步探索多个可能的“思维分支”，评估其前景，并选择最有希望的方向继续探索或回溯。这更像下棋时的多步推演。
• 思维图（Graph of Thoughts, GoT）：将ToT的树状结构进一步泛化为图，允许不同的思维链进行合并、循环等更复杂的操作，形成推理网络。

2. 行动驱动模式：以行动为中心，以试错来推理 这类模式将推理隐含在行动与环境的交互反馈中。

• ReAct：核心是推理和行动的交错协同。这也是我们要重点讲解的。
• 反思：在执行一系列行动后，让Agent对整个过程和最终结果进行“反思”或“自我批评”，总结经验教训，以改进未来的行为。这是对ReAct模式的一种补充。
• 计划与执行：先制定一个完整的、不依赖具体反馈的抽象计划，然后再逐步执行。这就像写代码前先画架构图。

第二部分：详解 ReAct 模式

ReAct 是 Reasoning + Acting 的缩写，其核心思想极其朴素却强大：让大型语言模型同步生成“推理轨迹”和“具体行动”，两者相互增强，协同解决复杂任务。

一个标准的ReAct循环如下：

1. 思考：Agent收到用户输入后，首先进行推理：“我需要先找到2023年F1冠军是谁。”
2. 行动：基于思考，它决定调用“搜索”工具，并输出一个具体的搜索API调用。
3. 观察：环境返回搜索结果，比如“马克斯·维斯塔潘”。
4. 再思考：基于观察，Agent继续推理：“现在我知道了冠军是维斯塔潘，下一步我需要找他的出生地。” 它也可能反思：“刚才搜索的结果不完整，我需要换一个更精确的查询。”
5. 再行动：发起第二次搜索：“马克斯·维斯塔潘 出生地”。
6. 再观察：得到结果“比利时 哈瑟尔特”。
7. 最终回答：经过几轮循环，Agent整合信息，给出最终答案：“2023年F1冠军是维斯塔潘，他出生于比利时哈瑟尔特。”

ReAct的关键特性：

• 动态修正：它打破了传统“规划-执行”的死板，允许Agent在观察到行动结果后，动态调整下一步计划。如果搜索失败，它可以换个关键词；如果信息矛盾，它可以查证。
• 可解释性：人可以看到Agent的每一次“思考”和“观察”，这使得其决策过程透明、可调试。
• 融合内外部知识：将模型内部的参数化知识（“我知道需要搜索”）与外部的工具知识（搜索引擎返回的结果）无缝结合，有效缓解了模型的幻觉问题。

第三部分：ReAct vs. CoT vs. ToT 核心区别

区分它们的一个直观比喻：

• CoT 像一位学生闭卷考试，在脑中一步步演算，直接写出过程和答案。
• ToT 像一位棋手，在脑海中推演接下来的N种走法和对手的应对，评估每种走法的胜率，选择最优策略。整个过程仍是脑内活动。
• ReAct 则像一位拿着手机的科学侦探。他会思考：“凶手可能用的是氰化物。” （思考） 然后马上行动：“查询我的化学手册，氰化物的中毒症状是什么？” （行动） 看到结果（观察） 后，他继续推理：“这和目击者描述的症状不符。我得换个方向，查查其他毒物……” 他通过不断与外部世界互动，最终拼凑出真相。

总结一下，ReAct之所以在Agent构建中占据核心地位，正是因为它解决了纯推理模式最大的局限：无法利用外部工具和真实世界信息来校准知识、执行操作。 而在实际的高级Agent系统中，这些模式常常是组合使用的。例如，在ReAct循环的单个“思考”步骤中，可以调用ToT来求解一个子问题，从而形成“ReAct + ToT”的混合策略，兼顾了外部交互与内部复杂推理。

面试回答

关于 Agent 的推理模式，目前主流的主要有三类：

• 第一类是纯推理型，像思维链CoT、思维树ToT，它们主要在模型内部做文字推理，不跟外界交互；
• 第二类是行动型，比如 ReAct，它把推理和行动结合起来；
• 第三类更高级一点，比如自我反思Reflexion、规划与执行Plan-and-Solve等。

重点说一下 ReAct，它的核心理念就是：让模型一边思考，一边行动，同时观察结果再继续思考。

举个例子，如果用 ReAct 模式让 Agent 查‘今天北京的天气并决定是否带伞’，它会这样运作：

1. Thought（思考）：我需要先查天气。
2. Action（行动）：调用天气 API 查询北京。
3. Observation（观察）：接口返回‘大雨’。
4. Thought（思考）：要下雨，我得带伞。
5. Action（行动）：输出‘建议带伞’。

这种模式最大的好处是能打破模型的‘知识幻觉’，模型不知道实时信息没关系，它会通过工具去获取，真正做到接地气。

对比 CoT、ToT 和 ReAct，它们三者的区别：

1. 先说 CoT（思维链）：
   1. 它是一条线走到底。模型在内部‘自言自语’，把复杂问题拆成一步步逻辑推导。
   2. 缺点：它是静态的，没法纠正错误。比如第一步算错了，后面全错，而且模型拿不到外部真实信息。
2. 再说 ToT（思维树）：
   1. 它是CoT的升级版，不再是单条线，而是像树一样分叉。模型会在每一步尝试多种可能性，走不通就回溯换一条路。
   2. 适用场景：需要大量探索的数学题、策略游戏。缺点是计算量爆炸，成本高。
3. 最后回到 ReAct：
   1. 它的轨迹更像是一个循环（思考-行动-观察）。它不是纯内部推理，而是跟外部环境强交互。
   2. 核心区别：CoT只会‘想’，ReAct既会‘想’也会‘做’。在需要查数据库、上网搜索、操作软件的任务里，ReAct远强于CoT和ToT。

简单总结一句话：CoT 适合逻辑推导，ToT 适合复杂探索，ReAct 适合需要调用工具的真实任务环境。

在实际开发中，我不会只用一种。比如我会让 Agent 先用 CoT 做快速规划，然后在需要查信息的具体步骤上切换成 ReAct 模式调用工具，这其实就是更高级的 Plan-and-Solve 或 LLM Compiler 的思路。

追问：ReAct 有什么缺点？

ReAct 也有坑。因为要多次调用 LLM 和工具，延迟比较高；而且模型在‘思考-行动’之间切换时，容易陷入死循环，比如反复查同一个东西。生产环境里通常要加最大循环次数限制或者用格式约束来保证它收敛。