react「推理-行动-观察」循环
ReAct「推理-行动-观察」循环
推理→行动→观察→再推理循环；行动结果修正推理，比纯CoT减少33%的幻觉（Yao et al. 2023）
没有这个模型
没有ReAct「推理-行动-观察」循环时，面对「任务需要调用外部工具/搜索」这类问题，通常依赖直觉或经验处理，容易在表面症状上循环，无法触及根因或全局结构。
使用这个模型
运用ReAct「推理-行动-观察」循环后，能够按照结构化的推理协议逐步分析问题：推理→行动→观察→再推理循环；行动结果修正推理，比纯CoT减少33%的幻觉（Yao et al. 2023），从而得出有依据的结论，而不是可替换的猜测。
适用信号
- 任务需要调用外部工具/搜索
- 推理可能产生幻觉需要外部验证
- 信息不完整需要动态获取
不适用与停止条件
- 纯推理任务无需外部交互
- 知识库已经完整的场景
推理协议
- 01
运用ReAct「推理-行动-观察」循环的核心方法进行思考
检查点：确认理解了模型的核心逻辑
场景示例
在企业管理场景中需要运用ReAct「推理-行动-观察」循环来解决组织层面的关键决策问题
ReAct「推理-行动-观察」循环在此场景中的核心价值：帮助企业管理者从凭直觉决策转向基于系统分析的判断。例如零售企业在决定是否进入新市场时，用ReAct「推理-行动-观察」循环替代单纯的财务估算，避免因信息不全导致的战略误判
在产品设计中遇到需要权衡功能优先级或用户体验方向的问题时
ReAct「推理-行动-观察」循环在产品设计中的应用：用于替代经验驱动的设计决策。例如社交App决定新功能上线顺序时用ReAct「推理-行动-观察」循环替代产品经理的个人偏好，使上线决策有据可依
面对复杂数据或模糊现象，需要找出背后的规律或根因时
ReAct「推理-行动-观察」循环在分析场景中的实践：用于结构化地拆解表面现象并定位关键变量。例如电商平台发现某品类销售额突然下滑时用ReAct「推理-行动-观察」循环替代竞品抢走市场的表面归因，逐层拆解到用户行为变化的根因
面对多个选项且伴随不确定性，需要做出有逻辑支撑的选择时
ReAct「推理-行动-观察」循环在决策场景中的价值：用于替代直觉驱动的判断。例如投资人在评估多个项目时用ReAct「推理-行动-观察」循环建立统一评估框架，避免被创始人的个人魅力或单一数据锚定
在日常执行中需要分配有限的精力和时间资源时
ReAct「推理-行动-观察」循环在任务管理中的用法：用于建立基于价值的优先级排序。例如技术团队面对多个并发需求时用ReAct「推理-行动-观察」循环替代谁催得急先做谁的被动响应，建立主动排期机制
常见误区
- 循环次数过多会失去方向
- 行动失败需要有明确的回退策略