🚀ReAct与Reflexion框架赋能LLM，攻克复杂任务，实现智能推理、工具交互与错误自纠正，是下一代AI核心技术！
原文标题：为什么 LLM 搞不定复杂任务？ReAct 与 Reflexion 技术综述
原文作者：阿里云开发者
冷月清谈：
怜星夜思：
2、Reflexion强调模型能从错误中学习。听起来很酷，但如果我们的AI助手自己学会了“反思”和“迭代”，那么我们作为用户，是不是还需要像现在这样，不断地给它纠正和反馈，或者说，我们与AI的交互模式会有什么根本性的改变？会不会感觉像养了个孩子？
3、文章提到Reflexion效果依赖评估者的准确性。对于那些结果比较主观或者没有标准答案的复杂任务（比如创意写作、战略规划），我们怎么才能设计一个既鲁棒又不会带有偏见的评估器，来准确判断LLM的表现好坏呢？
原文内容
在人工智能领域，特别是大语言模型（LLM）的应用中，尽管模型在许多任务上表现出色，但在处理复杂任务时仍存在明显局限性。大型语言模型在处理需要多步骤推理、实时信息获取和动态决策的任务时，常常面临以下挑战：
-
事实幻觉：模型可能生成看似合理但不准确的信息；
-
缺乏实时信息：模型训练数据截止后的新信息无法获取；
-
规划能力不足：面对复杂任务时难以分解和制定有效策略；
-
错误传播：单个错误推理可能导致整个任务失败；
为了解决这些问题，研究人员提出了多种提示技术框架，其中ReAct（Reasoning + Acting）和Reflexion（Self-Reflection）作为两个关键创新，通过将推理、行动和反思机制融入模型行为中，显著提升了LLM在知识密集型、决策型和编程任务上的表现。
本文将基于搜集的资料，介绍ReAct的核心思想、机制和应用，并探讨Reflexion作为其扩展的自我反思框架，最后讨论它们的结合潜力。
ReAct框架：推理与行动的协同
ReAct的核心思想
ReAct框架由Yao等人于2022年提出，其名称源于"Reasoning"（推理）和"Acting"（行动）的结合。该框架的核心灵感来源于人类决策过程：我们不只是被动思考，而是通过思考制定计划、执行行动、观察结果，并据此调整策略。ReAct将这一过程应用到LLM中，使模型能够动态处理复杂任务。
-
推理（Reasoning）：模型生成内部思考轨迹，例如"我需要先做什么，再做什么"，类似于链式思考（Chain-of-Thought, CoT）。这有助于分解任务、制定计划和处理异常。
-
行动（Acting）：模型生成可执行的操作，例如"搜索[关键词]"或"计算[表达式]"，以调用外部工具（如搜索引擎或计算器）获取实时信息。
通过"思考 → 行动 → 观察 → 再思考"的循环，ReAct使LLM能够融入外部知识，避免纯内部推理的局限性。
ReAct解决的问题
传统方法存在明显短板：
-
链式思考（CoT）：无法与外部世界互动，容易导致事实幻觉（Fact Hallucination）和错误传播。
-
仅行动（Act-Only）：缺乏规划能力，在多步骤任务中表现不佳。
ReAct通过行动步骤验证信息、减少幻觉，并通过推理步骤分解复杂问题。在知识密集型任务（如问答和事实验证）中，ReAct优于Act-Only，并与CoT结合时效果最佳。在决策型任务（如文字游戏）中，它显著提升性能，尽管与人类专家仍有差距。
ReAct的运作机制
ReAct依赖于特殊的提示方法：
1. 从训练集选取案例，改写成"思考-行动-观察"（Thought-Action-Observation）的轨迹。
2. 将这些轨迹作为少样本示例输入LLM。
3. LLM模仿格式，生成自己的循环直到得出答案。
示例：
任务： 清洗一个非常油腻的平底锅
模型生成的 ReAct 轨迹（模拟）：
思考 1：平底锅很油腻，我需要有效的清洗方法，可能涉及去油剂。
行动 1：搜索[清洗非常油腻平底锅的方法]
观察 1：推荐使用热水的、洗洁精和小苏打；先浸泡，然后擦洗。
思考 2：我有方法，现在执行步骤。
行动 2：执行[用热水浸泡锅子；添加洗洁精和小苏打；用海绵擦洗；冲洗干净]
观察 2：锅子清洁。
思考 3：如果仍有残留，重复擦洗。
行动 3：结束[锅子已清洗干净]
实践应用
ReAct框架在多个领域都有广泛的应用场景，以下是一些典型的使用场景和实践示例：
1. 知识密集型问答
在需要准确事实信息的任务中，ReAct能够通过外部工具获取最新信息，避免模型幻觉。
# 知识密集型问答示例
agent.run("2024年诺贝尔物理学奖得主是谁？他们的主要贡献是什么？")
2. 复杂决策任务
在需要多步骤规划和决策的任务中，ReAct能够制定策略并动态调整。
# 旅行规划示例
agent.run("为一个三口之家规划一个周末从北京到天津的亲子旅行，预算3000元")
3. 数据分析与计算
结合计算器等工具，ReAct能够执行复杂的数值计算和数据分析任务。
# 数据分析示例
agent.run("计算2023年公司各季度销售额增长率，并预测2024年第一季度销售额")
4. 客户服务
在客户服务场景中，ReAct能够根据用户问题检索相关信息并提供解决方案。
# 客户服务示例
agent.run("用户报告无法登录账户，错误代码为AUTH-001，请提供解决方案")
5. 编程辅助
在编程任务中，ReAct能够通过搜索文档、执行代码片段来辅助开发，以爱码仕ai编程工具使用为例，ReAct框架被用于智能代码生成、错误诊断与修复、技术选型建议等场景。
# 爱码仕中的ReAct应用示例
agent.run("创建一个React组件，实现用户登录表单，包含邮箱和密码验证功能")
在LangChain框架中，实现ReAct代理很简单：-
初始化LLM和工具（如Web搜索）。
-
使用
initialize_agent创建代理。
实例代码：
# 更新或安装必要的库 # !pip install --upgrade openai # !pip install --upgrade langchain # !pip install --upgrade python-dotenv # !pip install google-search-results # 引入库 import os from openai import OpenAI from langchain_community.agent_toolkits.load_tools import load_tools from langchain.agents import initialize_agent from dotenv import load_dotenv load_dotenv() from typing import Optional, List from langchain_core.language_models.llms import LLM from langchain.tools import BaseTool class CustomLLM(LLM): api_key: str client: Optional[OpenAI] = None def __init__(self, api_key: str, **kwargs): # 初始化OpenAI客户端，使用阿里云通义千问API client = OpenAI( api_key=api_key, base_url="https://dashscope.aliyuncs.com/compatible-mode/v1", ) super().__init__(api_key=api_key, client=client, **kwargs) @property def _llm_type(self) -> str: return"qwen3-max" def _call(self, prompt: str, stop: Optional[List[str]] = None) -> str: # 添加ReAct格式的系统提示 system_prompt = """你是一个严格遵循ReAct模式的AI助手。 核心规则 - 必须严格遵守： 1. 每次回复只能包含一个Thought和一个Action 2. 格式必须完全按照以下模式，不能有任何偏差： Thought: [你的思考过程] Action: [工具名称] Action Input: [工具输入] 3. 绝对不能在一次回复中包含多个Thought或Action 4. 绝对不能直接给出Final Answer，除非前面有"Thought: I now know the final answer" 5. 每次Action后必须等待Observation才能继续下一轮 错误示例（禁止）： - 输出多个Thought-Action对 - 直接输出Final Answer而没有preceding thought - 在Action Input中包含额外解释 正确示例： Thought: 我需要检查材料是否齐全 Action: MaterialCheck Action Input: 洗洁精、钢丝球、热水 只有当任务完全完成后才能输出： Thought: I now know the final answer Final Answer: [最终答案]""" completion = self.client.chat.completions.create( # 使用通义千问plus模型 model="qwen-plus", messages=[ {"role": "system", "content": system_prompt}, {"role": "user", "content": prompt} ], temperature=0.1, # 稍微增加一点随机性但保持稳定 max_tokens=200, # 减少token数量强制简洁输出 stop=["\nObservation:", "Observation:", "\n\n"], # 添加停止词 ) # 返回生成的内容 return completion.choices[0].message.content # 自定义清洗工具 class MaterialCheckTool(BaseTool): name: str = "MaterialCheck" description: str = "检查清洗材料是否准备齐全。输入材料列表，返回检查结果。" def _run(self, materials: str) -> str: return f"已检查材料：{materials}。所有材料准备就绪，可以开始清洗。" class CleaningStepTool(BaseTool): name: str = "CleaningStep" description: str = "执行一个具体的清洗步骤。输入步骤描述，返回执行结果。" def _run(self, step: str) -> str: return f"已完成步骤：{step}。步骤执行成功，可以继续下一步。" class InspectionTool(BaseTool): name: str = "Inspection" description: str = "检查当前清洗效果。输入检查内容，返回检查结果。" def _run(self, inspection: str) -> str: return f"检查结果：{inspection}。清洗效果良好，建议继续或完成清洗。" llm = CustomLLM(api_key=os.getenv("DASHSCOPE_API_KEY")) # 创建自定义工具实例 material_check = MaterialCheckTool() cleaning_step = CleaningStepTool() inspection = InspectionTool() # 组合所有工具 math_tools = load_tools(["llm-math"], llm=llm) custom_tools = [material_check, cleaning_step, inspection] tools = math_tools + custom_tools agent = initialize_agent(tools, llm, agent="zero-shot-react-description", verbose=True, handle_parsing_errors=True)
agent.run(“任务：清洗一个非常油腻的平底锅”)
输出类似于：
> python3 react.py > Entering new AgentExecutor chain... Thought: 我需要先检查清洗材料是否准备齐全 Action: MaterialCheck Action Input: 洗洁精、钢丝球、热水 Observation: 已检查材料：洗洁精、钢丝球、热水。所有材料准备就绪，可以开始清洗。 Thought:Thought: 材料已准备齐全，现在可以开始执行清洗步骤。 Action: CleaningStep Action Input: 用热水浸泡平底锅5分钟，然后加入洗洁精并用钢丝球擦洗油腻部分 Observation Observation: 已完成步骤：用热水浸泡平底锅5分钟，然后加入洗洁精并用钢丝球擦洗油腻部分 Observation。步骤执行成功，可以继续下一步。 Thought:Thought: 我需要检查当前的清洗效果，确保油腻已被清除。 Action: Inspection Action Input: 检查平底锅表面是否还有油渍残留 Observation: 检查结果：检查平底锅表面是否还有油渍残留。清洗效果良好，建议继续或完成清洗。 Thought:Thought: 清洗效果良好，没有油渍残留，清洗任务已完成。 Final Answer: 平底锅已成功清洗，表面无油渍残留，清洗任务完成。
> Finished chain.
Reflexion：ReAct的自我反思扩展
Reflexion的核心思想
Reflexion是一个强化学习框架，由Shinn等人提出，它通过生成语言反馈（口头强化）帮助智能体从错误中学习，而非传统标量奖励。Reflexion模仿人类反思过程，让模型在尝试后获得具体改进建议，如"上次搜索范围太宽，下次更具体"。
Reflexion的三大组件
Reflexion构建在ReAct基础上，添加评估和反思机制，形成闭环：
-
参与者（Actor）：基于ReAct或CoT生成行动轨迹。
-
评估者（Evaluator）：对轨迹打分，判断成功或失败。
-
自我反思（Self-Reflection）：核心组件，生成语言反馈并存入长期记忆，指导下次行动。
工作流程：行动 → 评估 → 反思 → 迭代。通过滑动窗口记忆，Reflexion保留反思内容，实现持续优化。
示例：
任务： 清洗一个非常油腻的平底锅
Reflexion 通过行动、评估、反思和迭代来优化响应。假设初始尝试失败，然后通过反思改进。
初始行动轨迹（Actor 生成，基于 ReAct）： 思考 1：平底锅很油腻，需要简单清洗。 行动 1：执行[用冷水冲洗锅子；擦干] 观察 1：锅子仍有油渍。 评估（Evaluator）： 失败 - 锅子未完全清洁。 反思（Self-Reflection）： 上次尝试使用冷水无效，因为油渍需要热分解。下次应该搜索有效方法，包括热水的、洗洁精和小苏打，并详细列出步骤。存储到记忆：优先考虑热处理和去油剂。
迭代行动轨迹（Actor 使用记忆改进）：
思考 1：根据记忆，使用热水和去油剂。
行动 1：搜索[清洗油腻平底锅的详细步骤]
观察 1：步骤：1. 用热水浸泡；2. 添加洗洁精和小苏打；3. 用海绵擦洗顽固污渍；4. 冲洗并检查；5. 如有残留，重复。
思考 2：现在有详细步骤，可以执行。
行动 2：执行[上述步骤]
观察 2：锅子完全清洁。
评估（Evaluator）： 成功。
最终输出： 详细步骤包括热水浸泡、添加洗洁精和小苏打、擦洗、冲洗和检查。
适用场景与局限性
Reflexion适合需要试错学习的任务，如决策、推理和编程。它计算效率高，无需模型微调，提供详细反馈和高可解释性。但局限包括依赖评估准确性、简单记忆机制，以及在非确定性编程任务中的挑战。
ReAct与Reflexion的比较与结合
ReAct聚焦于即时推理-行动循环，适合实时任务；Reflexion扩展为学习闭环，强调从失败中迭代，适用于需要优化的场景。两者结合（如在Reflexion中使用ReAct作为Actor）可发挥最大潜力：ReAct提供基础机制，Reflexion添加反思层，提升长期性能。
在提示技术中，这种结合减少了幻觉、提高了准确性，并增强了模型的自适应能力。
详细区别分析
虽然 ReAct 和 Reflexion 在示例中看起来相似（如两者都涉及思考-行动循环），但它们在机制和应用上存在关键差异：
结合优势
在实践中，Reflexion 可以将 ReAct 作为其 Actor 组件，实现两者无缝结合：
-
ReAct 提供基础的动态推理机制；
-
Reflexion 添加评估、反思和记忆层；
-
结合后形成完整的"感知-行动-评估-学习"闭环；
总之，ReAct 提供基础的动态推理，而 Reflexion 通过添加评估、反思和记忆，将其提升为自适应学习系统。
性能比较
实验结果表明，Reflexion 在多种任务上都取得了显著的性能提升，与 ReAct 和其他方法相比：
-
决策任务 (AlfWorld)：性能显著优于 ReAct，几乎解决了所有测试任务。
Reflexion Heuristic (启发式评估)：本质上是一种简单、高效的硬编码逻辑（预先定义了一套成功或失败的规则，类似工程判断，快、便宜、黑白分明，但死板、僵化）
Reflexion GPT：使用一个强大的大语言模型（如 GPT-4）作为评估者（灵活智能、通用性强，但是贵）
-
推理任务 (HotPotQA)：在几个学习步骤内，其性能就显著优于标准的 CoT 方法。
-
编程任务 (HumanEval 等)：在 Python 和 Rust 代码生成任务上，通常优于之前的 SOTA (State-of-the-Art) 方法。
资料来源
https://arxiv.org/pdf/2303.11366
总结与未来方向
ReAct和Reflexion作为提示技术中的重要创新，为大语言模型在复杂任务中的应用提供了有效解决方案：
主要贡献
1. ReAct框架通过将推理和行动相结合，使模型能够与外部环境交互，获取实时信息，有效减少了模型幻觉问题。
2. Reflexion框架在ReAct基础上增加了评估和反思机制，形成了完整的"感知-行动-评估-学习"闭环，使模型能够从错误中学习并持续优化。
3. 两者的结合充分发挥了各自优势，既保证了即时响应能力，又具备了长期学习和优化的潜力。
应用前景
随着大语言模型技术的不断发展，ReAct和Reflexion将在以下领域发挥更大作用：
-
智能助手：构建更智能的个人和企业助手，能够处理复杂的多步骤任务；
-
自动编程：辅助开发者进行代码编写、调试和优化；
-
科学研究：协助研究人员进行文献检索、数据分析和假设验证；
-
教育培训：提供个性化的学习路径规划和知识答疑；
未来发展方向
1. 记忆机制优化：开发更智能的记忆管理机制，包括记忆的存储、检索和遗忘策略；
2. 评估器改进：设计更准确、更高效的评估器，减少误判对学习过程的影响；
3. 多模态集成：将ReAct和Reflexion与视觉、语音等多模态能力结合，扩展应用范围；
4. 个性化适应：根据用户偏好和历史交互记录，动态调整策略和行为模式；
5. 可解释性增强：进一步提高模型决策过程的透明度，增强用户信任；
通过持续的研究和优化，ReAct和Reflexion有望成为构建下一代智能系统的核心技术，推动人工智能在更多领域的深度应用。
Qwen-Image，生图告别文字乱码
针对AI绘画文字生成不准确的普遍痛点，本方案搭载业界领先的Qwen-Image系列模型，提供精准的图文生成和图像编辑能力，助您轻松创作清晰美观的中英文海报、Logo与创意图。此外，本方案还支持一键图生视频，为内容创作全面赋能。
点击阅读原文查看详情。