ReAct 模式

什么是 ReAct

ReAct = Reasoning + Acting（推理 + 行动）

这是 AI Agent 的核心思维模式：先思考要做什么，再执行，然后根据结果继续思考。

思考 → 行动 → 观察 → 思考 → 行动 → 观察 → ... → 完成

为什么需要 ReAct

普通 LLM 的问题：

只能一次性生成答案
无法获取实时信息
容易产生幻觉（编造事实）

ReAct 的解决方案：

分步推理，每步可验证
通过工具获取真实信息
基于观察结果调整策略

ReAct 流程示例

用户问："当前目录有什么文件？"

[思考] 用户想知道当前目录的文件列表，我需要执行 ls 命令

[行动] 调用 shell 工具执行 "ls -la"

[观察] 工具返回：
  total 24
  -rw-r--r--  1 user  staff   156 Jan 15 10:00 package.json
  -rw-r--r--  1 user  staff   892 Jan 15 10:00 README.md
  drwxr-xr-x  4 user  staff   128 Jan 15 10:00 src

[思考] 已经获取到文件列表，可以回答用户了

[回答] 当前目录有 3 个项目：package.json、README.md 和 src 文件夹

Function Calling 实现 ReAct

现代 LLM（如 Gemini、GPT-4）通过 Function Calling 实现 ReAct 模式：

你告诉 LLM 有哪些工具可用
LLM 决定是否调用工具、调用哪个、传什么参数
你执行工具，把结果告诉 LLM
LLM 继续推理

gemini-cli 中的 ReAct

gemini-cli 的 Agent 循环就是 ReAct 模式的实现。

核心代码在 packages/core/src/core/client.ts，简化后的逻辑：

typescript

async function agentLoop(userMessage: string) {
  const conversation = [{ role: 'user', content: userMessage }]

  while (true) {
    // [推理] LLM 分析当前状态，决定下一步
    const response = await geminiChat.send(conversation)

    // 检查 LLM 的决定
    const functionCalls = response.functionCalls()

    if (functionCalls && functionCalls.length > 0) {
      // [行动] 执行工具
      for (const call of functionCalls) {
        const tool = findTool(call.name)
        const result = await tool.execute(call.args)

        // [观察] 记录结果，供下次推理使用
        conversation.push({
          role: 'function',
          name: call.name,
          content: JSON.stringify(result)
        })
      }
      // 继续循环，让 LLM 基于观察结果继续推理
    } else {
      // LLM 认为任务完成，返回最终答案
      return response.text()
    }
  }
}

ReAct 的关键点

1. 循环直到完成

Agent 不是一次调用就结束，而是持续循环直到 LLM 认为任务完成。

2. 上下文传递

每次工具执行的结果都加入对话历史，LLM 能看到之前的所有观察结果。

3. LLM 自主决策

LLM 决定：

是否需要调用工具
调用哪个工具
传什么参数
何时认为任务完成

4. 工具结果影响推理

LLM 会根据工具返回的结果调整策略。比如文件不存在时，可能会尝试创建它。

实际例子

用户："帮我修复 src/index.ts 中的类型错误"

[思考] 需要先看看文件内容和错误是什么

[行动] read_file("src/index.ts")

[观察] 文件内容：
  const num: number = "hello"  // 类型错误

[思考] 发现问题：字符串赋值给 number 类型。需要修复

[行动] edit_file("src/index.ts", 修改内容)

[观察] 文件已修改

[思考] 应该验证修复是否成功

[行动] run_command("npx tsc --noEmit")

[观察] 编译通过，无错误

[回答] 已修复类型错误，将字符串改为了数字类型，编译验证通过

小结

ReAct = 推理 + 行动，是 Agent 的核心思维模式
通过 Function Calling 让 LLM 调用工具
循环执行直到任务完成
工具结果作为观察反馈给 LLM

下一步

理解了 ReAct 模式，接下来学习如何与 LLM API 交互：LLM API 交互 →

ReAct 模式 ​

什么是 ReAct ​

为什么需要 ReAct ​

ReAct 流程示例 ​

Function Calling 实现 ReAct ​

gemini-cli 中的 ReAct ​

ReAct 的关键点 ​

1. 循环直到完成 ​

2. 上下文传递 ​

3. LLM 自主决策 ​

4. 工具结果影响推理 ​

实际例子 ​

小结 ​

下一步 ​