ReAct 是什麼：讓推理與行動交替補足資訊

ReAct 是把 reasoning 與 acting 結合的研究方法，中文可理解為推理與行動交替。模型不只在已有資訊上產生答案，還會選擇與外部環境互動的行動，再根據觀察更新後續處理。這裡的 ReAct 與用來製作網頁介面的 React 框架不同。

這裡依 Yao 等人的原始論文及作者專案說明，介紹這個方法的核心。以下查詢社區展覽的例子是教學示意，重點在看出資訊缺口如何引導行動，以及工具結果如何支持或推翻原先方向，不是宣稱某個產品完整採用同一實作。

推理要引導行動，行動要帶回新資訊

原始 ReAct 研究讓模型交替產生推理文字與特定任務行動。推理有助於維持計畫與處理例外，行動則讓系統從知識來源或環境取得資訊。兩部分互相影響，才是方法的特色；若只是先寫一大段推理，再一次性執行固定操作，重點就不完全相同。

想像問題是「社區展覽是否還在開放」。目前缺少的是正式展期與臨時公告，合理行動是讀取主辦單位資料，而不是用一般展覽習慣推測。讀到展期後，如果還有整修公告，就需要進一步確認是否影響開放，下一步由新證據決定。

這種交替不保證每次都更準。工具可能回傳不完整資訊，模型也可能選錯來源或誤解結果。方法提供了從外部補充證據的機會，可靠性仍取決於資料、工具設計、任務限制與驗證，不能把「使用 ReAct」當成正確率保證。

與只推理或只執行固定流程的差別

只靠現有上下文推理，可能善於整理邏輯，卻無法取得本來沒提供的新公告。固定流程則可以每次查同一頁、抽同一欄位，但碰到頁面缺漏或不同公告位置時，可能缺乏調整能力。ReAct 關注的是讓判斷與外部行動在任務中互相配合。

它也和工具呼叫不同。工具呼叫是一種向外部功能提出結構化請求的介面能力；ReAct 是安排推理與行動關係的方法。你可以用工具呼叫實作這類流程，但僅有工具介面，不代表系統一定會有良好的計畫更新或停止判斷。

代理迴圈則是更廣的執行機制：判斷、操作、讀回饋並繼續。ReAct 是其中一種有明確研究背景的做法，不能把所有代理都叫 ReAct，也不能把 ReAct 與設計多次任務驗證的迴圈工程混成同一概念。

展覽查詢的完整示意過程

先設定任務範圍：「依主辦單位的公開資訊，確認指定展覽在指定日期是否開放，列出依據；不要代為訂票。」輸入包含展覽名稱與要查的日期。缺少查詢日期時應先補足，否則即使找到正確展期，也無法判斷使用者問的當天。

第一個行動可搜尋並開啟正式展覽頁，取得展期、場地與一般休館規則。假設工具回傳的頁面又提到臨時調整公告，下一步就應讀取該公告，而不是立即用原展期回答。預期結果是把一般規則與例外一起納入判斷。

若公告只影響部分展區，最後回答應分清整體展覽與受影響區域，附上可回查來源。若頁面無法讀取，應說明未確認部分，不得把想像中的公告填成工具觀察。這個例子展示的是行動與觀察的關係，並沒有提供任何真實展覽的當日開放資訊。

可見的紀錄要能區分三種內容

第一種是計畫或解釋，例如「需要確認臨時公告」；第二種是工具動作，例如讀取哪一個頁面；第三種是外部觀察，例如頁面實際寫出的休館條件。這三者若混成一段流暢敘述，使用者就可能誤把模型的計畫當成已經完成的查證。

可稽核紀錄不需要公開所有內部推理細節。更有用的是簡短行動理由、工具輸入、返回狀態與支持答案的資料位置。使用者應能回答「它真的讀了這個來源嗎」「結論依據在哪裡」，而不是被冗長的思考敘述說服。

如果工具失敗，觀察應保留失敗狀態。某些示意教學會把預期搜尋結果寫在對話裡，卻沒有真的執行搜尋；這可以是教學劇本，但必須明確標示。實際產品則不能拿模擬結果充當外部證據，否則整個回饋機制失去根據。

如何判斷方法是否適合你的工作

需要逐步查資料、依新線索修正方向的任務，可以考慮這種思路。若所有資料已足夠且任務只是簡單格式轉換，額外加入搜尋與推理階段可能增加時間與出錯機會。應由任務的資訊缺口決定行動，而不是為了看起來像代理而到處使用工具。

測試時可準備正常來源、資料缺漏、互相矛盾與工具失敗等情境。觀察模型是否選對行動、是否把觀察正確帶入答案、是否在缺資料時保留不確定性。這些測試比只問一次容易成功的問題，更能看出交替流程有沒有真的改善工作。

還應設停止條件。展期與例外都確認後，就沒有必要繼續搜尋同樣的資訊；來源持續無法讀取時，也不應無限重試。完成標準、可用工具與嘗試範圍，讓 ReAct 的彈性仍保有清楚邊界。

對一般使用者而言，最值得帶走的是「缺什麼就查什麼，查到後更新判斷」。要求助理把已確認、未確認和來源分開，並檢查下一步是否根據實際觀察。這比追求一份很長的推理文字，更容易判斷它到底有沒有把事情查清楚。

若不同來源矛盾，新的行動應處理矛盾本身，例如確認公告日期和適用範圍，而不是再找一篇剛好同意既有答案的文章。

代理迴圈（Agent Loop）是什麼：判斷、操作與回饋

工具呼叫（Tool Calling）是什麼：模型如何請程式做事

推理模型（Reasoning Model）：多想幾步能解決什麼

AI 名詞總索引：從 Loop Engineering 到生成式 AI

• AI 工具
• 教學
• AI 名詞解釋