ReAct 的核心是让模型在思考（Thought）、行动（Action）和观察（Observation）之间循环，每一步的观察结果都作为下一轮思考的输入，而不是单纯的操作日志。文章用修灯例子通俗解释：先检查灯泡是否拧紧，观察到灯不亮，排除此原因；再换新灯泡，观察到灯亮，推断原灯泡坏了。每轮循环缩小可能性空间，让下一步决策更具体。实际产品中动作可并行，但循环能否继续，取决于 Observation 是否提供了可操作的决策信息。

ReAct（Reasoning + Acting）是姚顺雨在 2020 年提出的 AI 决策框架，首次让大模型在行动前先进行可解释的内在推理，再把推理结果用于决策与操作。在此之前，多数 AI 的「思考」是单线程、不能回头、不能试错的。ReAct 的出现让模型像人类一样，在「思考—行动—观察」之间循环，每一步都伴随验证。该论文已被引超过 4000 次，如今已成为全球构建语言智能体的主流技术。29 岁的姚顺雨 2025 年底回国担任腾讯首席 AI 科学家，直接向总裁汇报，执掌混元大模型与 AI 基础设施。

ReAct 是模型在每一步执行后现场决定下一步，灵活但容易陷入局部最优；Plan-and-Execute 则是先让模型生成完整计划，再按步骤执行，中途可重规划。前者适合动态交互与探索性任务，后者适合步骤明确、依赖关系清晰的场景（如旅行规划、自动化运维）。两者的本质区别在于「控制流」：谁负责决定下一步。实际工业级 Agent 系统常将两者结合——用大模型做规划器拆解任务，用小模型或规则引擎做执行器，兼顾灵活性与成本控制。

文章指出很多 Agent 卡住是因为 Observation 只报了系统异常（如 ENOENT），没有告诉 Agent「下一步该怎么做」。但更深层的问题是：如果 Observation 本身质量足够，但 Agent 的推理能力仍然不足以据此做出正确判断呢？这引出了三个值得追问的方向：1）如何设计 Observation 的「语义粒度」——太细让 Agent 迷失，太粗让推理失去依据；2）当多个工具返回矛盾结果时，Agent 该怎么仲裁取舍；3）如果 Agent 连续 3 次得到相同 Observation（比如「文件不存在」），它是该换路径、向用户要文件，还是直接终止——这本质上是「死循环检测」的工程问题。