你有沒有用過 ChatGPT 查即時資訊，結果它講得很像真的但其實是編的？
這是因為傳統的語言模型只會「想」，不會「做」，它沒辦法真的去查資料、打API、或驗證自己說的對不對。
你可以把它想成一個先回答「用途是什麼」的入口，抓住生活場景後，再看技術細節會更容易。
容易混淆
ReAct vs 思維鏈（CoT）vs 傳統 AI Agent
思維鏈（CoT）：只有推理，模型一步步想但不會執行任何行動，無法取得外部資訊。
傳統 AI Agent：只有行動，按照預設規則執行任務，沒有中間推理過程。
ReAct：推理和行動交替進行，每次行動後觀察結果，再決定下一步怎麼推理。
最關鍵的區別：CoT 只動腦不動手，傳統 Agent 只動手不動腦，ReAct 邊動腦邊動手。
記住這句就好
想一步、做一步、看結果、再想下一步。
實際案例
複雜問題查詢：Before / After
Before：你問 ChatGPT「2024 年奧運馬拉松金牌得主的出生地人口有多少？」，模型必須一口氣回答，但它的訓練資料可能沒有最新結果，於是開始編造一個聽起來合理的答案。
After：用 ReAct 框架，模型的處理過程變成：（1）推理：我需要先查 2024 奧運馬拉松金牌是誰（2）行動：搜尋「2024 Olympic marathon gold medal」（3）觀察：搜尋結果顯示是 Tamirat Tola（4）推理：然後我需要查他的出生地（5）行動：搜尋「Tamirat Tola birthplace」（6）觀察：出生於 Ambo, Ethiopia（7）推理：最後查 Ambo 的人口（8）行動：搜尋 Ambo Ethiopia population（9）觀察：約 10 萬人（10）輸出最終答案。每一步都有真實資料支撐，不需要猜測。
客服自動化
一家電商的客服機器人收到「我的退款怎麼還沒到？」的問題。傳統做法是用關鍵字比對回覆罐頭訊息。ReAct 框架下，機器人會：推理（需要查這位客戶的退款狀態）→ 行動（呼叫訂單系統 API 查詢）→ 觀察（退款已於 3 天前發起，銀行處理中）→ 推理（應該告知客戶預計到帳時間）→ 輸出：「您的退款已在 4/26 發起，一般銀行需要 3-5 個工作天，預計 5/1 前到帳。」
算法與應用
定義
ReAct（Reasoning + Acting）是一種讓語言模型交替進行推理和行動的框架，由 Yao et al. 在 2022 年提出。模型在每一步生成「思考」（Thought）、「行動」（Action）、和「觀察」（Observation），形成一個迭代循環直到得出最終答案。
核心運作循環
步驟 做什麼 範例 Thought（思考） 模型分析目前狀態，決定下一步策略 「我需要先查這個人的出生地」 Action（行動） 呼叫外部工具：搜尋引擎、API、資料庫 Search["Tamirat Tola birthplace"] Observation（觀察） 接收行動返回的結果 結果：Born in Ambo, Ethiopia 這三步不斷循環，直到模型判斷已經有足夠資訊可以回答問題。
主要應用領域
領域 應用方式 問答系統 多步驟查詢、需要即時資訊的問題 智能助理 幫用戶完成跨系統的操作任務 程式除錯 推理可能的 bug 原因，執行測試，觀察結果 資料分析 逐步查詢資料庫，根據結果調整分析方向
情境判斷
Q1（直覺題）： 你想讓 AI 回答「台灣目前的 GDP 是多少？」這種需要即時資料的問題。用純語言模型還是 ReAct 框架？
→ ReAct。純語言模型的知識有截止日期，無法取得最新數據。ReAct 可以在推理過程中搜尋最新資料，用真實數字回答。
Q2（判斷題）： 你要做一個翻譯工具，輸入英文句子、輸出中文翻譯。需要用 ReAct 框架嗎？
→ 通常不需要。翻譯是單步任務，不需要外部工具或多步推理，語言模型本身就能完成。ReAct 的價值在於需要「邊想邊查」的多步驟任務，如果任務本身不需要外部資訊或工具呼叫，加入 ReAct 反而增加延遲和複雜度。
常見問題
ReAct 框架只能搭配大型語言模型嗎？
原始論文是基於 LLM 設計的，因為推理和行動的生成都依賴語言理解能力。但概念上，「推理-行動-觀察」的迭代循環可以套用到其他類型的 AI 系統，只是目前最成熟的實作都是搭配 LLM。
ReAct 能完全消除 AI 幻覺嗎？
不能完全消除，但能大幅降低。當模型可以透過搜尋或 API 取得真實資料時，事實性錯誤會減少。但如果搜尋結果本身就不準確，或模型在推理過程中做出錯誤判斷，幻覺仍然可能發生。
LangChain 跟 ReAct 是什麼關係？
LangChain 是一個開發框架，它實作了 ReAct 作為其中一種 Agent 策略。你可以用 LangChain 快速建立一個 ReAct Agent，但 LangChain 也支援其他策略如 Plan-and-Execute。ReAct 是概念，LangChain 是工具。