核心要点
ReAct 是推理和行动交替的 Agent 范式：模型不是一次性回答，而是想一步、调工具、看结果、再继续。
Observation 是事实锚点：工具返回结果会纠正模型推理，降低纯 CoT 容易脑补事实的问题。
它不同于 Function Calling：Function Calling 是调用格式，ReAct 是多步推理与行动流程。
工程上要控制轮次和失败回退：否则 Agent 容易无限试错、成本变高或暴露不该展示的中间过程。
标准回答
一、先用一句话解释 ReAct
ReAct 是 Reasoning + Acting：模型先推理下一步该做什么，再调用工具，拿到 Observation 后继续推理。它解决的是纯 CoT 容易“脑补事实”、纯工具调用又缺少规划的问题。候选人可以把它说成“想一步、做一步、看结果、再决定下一步”。
二、讲清循环过程
典型流程是 Thought → Action → Observation。例如用户问一个需要查资料的问题，模型先判断需要搜索；Action 调用搜索工具；Observation 返回网页摘要；模型再判断是否需要继续查、改写查询或生成答案。这个过程让外部事实进入推理链，模型不是凭记忆硬答。
三、补上工程取舍
ReAct 的优点是可解释、可纠错、适合多步工具任务；缺点是轮次多、延迟高、成本高，还可能暴露不该展示的中间推理。生产环境通常会加 最大步数、工具白名单、失败回退、日志追踪和结果校验。如果任务很简单，直接 Function Calling 或一次性回答可能更合适。
常见误区
⚠️ 常见踩坑
误区一：把 ReAct 等同于 Function Calling。Function Calling 是 API 能力，ReAct 是组织推理和工具调用的流程。
误区二：认为 Thought 必须完整暴露给用户。生产环境常会隐藏、压缩或结构化中间过程，只保留必要的可审计日志。
追问
追问 1：ReAct 和 Function Calling 是一回事吗？
题库专题：Agent Skill 是什么？它与 MCP、Function Calling 有何区别？不是。Function Calling 是 API 层的结构化工具调用能力，重点是让模型用固定 JSON 格式表达“我要调用哪个工具、传什么参数”。ReAct 是一种 Agent 推理流程，重点是让模型在多步任务里交替进行推理、行动和观察。它可以用 Function Calling 来实现 Action，也可以用其他工具调用机制实现。面试里可以这样收束：Function Calling 是工具调用接口，ReAct 是组织多步工具调用和推理的工作流。
题库延伸：与本追问相关的专题题 → Agent Skill 是什么？它与 MCP、Function Calling 有何区别？
追问 2：工具返回错误时 Agent 应如何处理？
题库专题：Agent 调用工具失败时应如何设计重试与回退？工具错误不能直接吞掉，也不能无限重试。更稳的做法是把错误作为 Observation 返回给模型，让它判断是参数错、权限不足、网络失败还是工具不适合；然后按策略选择重试、换工具、降级回答或向用户澄清。工程上要设置 超时、最大重试次数和错误分类日志，否则 Agent 很容易卡在同一个失败动作里。
题库延伸：与本追问相关的专题题 → Agent 调用工具失败时，应该如何重试、降级和恢复？
追问 3：Thought 过长有什么影响？
Thought 过长会带来三个问题：第一是 token 成本和延迟上升；第二是中间过程里可能包含敏感信息或不稳定猜测，不适合直接给用户；第三是长链路更容易累积错误。生产里可以只保留结构化日志，例如当前目标、已调用工具、失败原因和下一步动作，而不是展示完整思维链。
🔗 相似问题
同一考点的不同问法，换着练更稳
延伸学习
按主题分类的相关资源，便于系统复习