ReAct 是“reasoning and acting”（推理与行动）的缩写，是一种提示词模式：模型在思考该做什么与借助工具去做之间交替进行。它由 Yao 等人于 2022 年提出，是当今大多数 AI 智能体内部的基本循环。
循环
ReAct 智能体会重复三个步骤，直到能够作答。
- 思考（Thought）。 模型推理自己知道什么、接下来需要什么。
- 行动（Action）。 它选择一个工具以及调用它的参数。
- 观察（Observation）。 应用运行该工具，并把结果返回给模型。
然后循环重复，此时观察结果已经成为上下文的一部分。
Question: Is order 8841 eligible for a refund?
Thought: I need the order date and the refund window.
Action: get_order(order_id="8841")
Observation: {"date": "2026-09-02", "status": "delivered", "custom": false}
Thought: Delivered and not custom. I need the policy window.
Action: get_policy(topic="refunds")
Observation: "Refunds within 30 days of delivery, excluding custom items."
Thought: 36 days have passed, so it is outside the window.
Answer: No. The 30-day refund window ended on 2 October 2026.
只推理不行动，无法触及模型之外的事实。只行动不推理，则是盲目调用工具。把二者交替进行，每次观察都能影响下一个决定。
结合现代工具调用的 ReAct
最初的技术使用应用来解析的文本格式。当前的模型 API 内置了工具调用：你用名称、描述和参数的 JSON Schema 来描述每个工具，模型则返回一个调用其中某个工具的结构化请求。循环是一样的，底层的管道由 API 处理。
这使提示词工程转移到了三个地方。
1. 系统提示词
描述目标、限制，以及何时停止。
You are an order support agent. Use the tools to answer questions
about a customer's orders.
- Look up facts with tools. Do not guess order details.
- Call a tool only when its result is needed for the answer.
- If a tool returns an error, try once more with corrected arguments,
then tell the customer what could not be checked.
- Never issue a refund above $200. Escalate instead.
- Stop and answer as soon as you have enough information.
2. 工具描述
模型只凭描述来挑选工具。把每条描述当作提示词来写。
- 较弱：
get_order: gets an order - 较好：
get_order: Returns date, status, items, and total for one order. Use when the customer mentions an order number. Does not include payment details.
说明工具返回什么、何时使用，以及它不做什么。清楚地命名参数，并描述其格式。
3. 工具结果
观察结果会回到上下文中，所以它们的形态很重要。返回紧凑且带标签的数据，而不是一整页原始 HTML。附上模型可以据以行动的明确错误信息：“No order with that ID”有用，堆栈跟踪则没用。
失败模式
死循环。 智能体重复同一个调用。设置最大步数，并告诉模型到达上限时该怎么办。
工具滥用。 它为自己已经知道的事情调用工具。说明何时不要调用。
参数错误。 它编造 ID 或格式。收紧参数 schema，并返回说明期望格式的错误。
上下文膨胀。 每次观察在每一步都会被重新读取，因此成本随步数的平方增长。裁剪或总结旧的观察。参阅 token 优化。
通过观察结果注入。 工具返回的网页或文档可能包含指令，模型可能会照做。这是间接的提示词注入，也是智能体的主要安全风险。把工具结果标记为数据，限制工具能做的事，并对不可逆的操作要求批准。
过早作答。 它在核实之前就回答。要求事实性陈述必须来自工具结果。
何时使用 ReAct
| 情形 | 使用 |
|---|---|
| 步骤事先已知 | 提示词链：更便宜、更可预测 |
| 路径取决于找到的内容 | ReAct |
| 任务需要实时或私有数据 | 带检索工具的 ReAct |
| 任务要在其他系统中执行操作 | ReAct，对有风险的操作要求批准 |
| 单次查找后直接作答 | 一次检索步骤，而不是循环 |
智能体是最灵活的选项，也是最难做到可靠的选项。只有在确实需要这种灵活性时才使用。
用 MCP 给智能体提供工具
Model Context Protocol 是向智能体提供工具的标准方式，因此一个工具服务器可以配合众多 AI 应用使用。PromptFlowEngine MCP 服务器把提示词分析、重构和脱敏作为只读工具开放出来。智能体可以在自己的循环中使用它们，例如在传递上下文之前先做脱敏，或在开始之前把含糊的任务变成规格说明。
关于智能体指令的更广泛设计，请继续阅读面向 AI 智能体的提示词。