推理—行動迴圈（ReAct）

推理—行動迴圈讓語言模型在「出聲思考」與「實際動手」之間交替進行。代理不是一口氣吐出一段長答案，而是寫下一小段想法、執行一個動作（例如搜尋或計算）、讀回環境給的觀察結果，然後再次思考。想像一位偵探：先推理一步、查看一條線索、更新假設，接著才決定下一步——推理與行動逐回合相互強化。

形式上，每一回合會把一組（想法、動作、觀察）三元組接到上下文後面，模型則在這條不斷增長的軌跡上自迴歸解碼。動作取自固定的工具詞彙，例如 search[query]、lookup[entity] 或 finish[answer]；環境回傳的觀察字串會原封不動地餵回去。這種交錯把思維鏈錨定在外部證據上，比起純推理可降低幻覺，而顯式推理又比起純行動更能引導該呼叫哪個工具。

ReAct 是一種提示與控制模式，不是一個訓練好的模型：它的可靠度取決於底層模型的指令遵循能力，以及對動作語法的穩健解析。過長的軌跡會膨脹上下文成本、也可能偏離任務，因此實務系統會限制迴圈次數，並加上一個驗證器或明確的停止條件。