ReAct Pattern（推理-行动模式）

ReAct（Reasoning + Acting，推理-行动模式）是 AI Agent 最基础的工作循环模式。它将推理过程和工具调用紧密交织：Agent 每个步骤先进行推理（Thought），然后执行行动（Action），观察结果（Observation），根据观察调整下一轮推理。

ReAct 的核心价值在于行为可解释、可观测——开发者可以清晰看到 Agent 在每个步骤的思考过程和行动结果，从而进行调试和干预。

2026 年几乎所有 AI Coding Agent（Cursor、Claude Code、GitHub Copilot）都采用 ReAct 模式。Coding Agent 的典型 ReAct 流程：阅读代码（Observation）→ 分析问题（Thought）→ 修改文件（Action）→ 运行测试（Observation）→ 修复错误（Action）→ 验证通过。

局限：Token 消耗高、复杂任务可能陷入无限循环、缺乏全局规划视角。工程上通过 Max Steps（最大步数限制）和 Early Stopping 机制来防范循环问题。