CoT 与 ReAct

一句话定义：CoT 让模型"分步想再答"，ReAct 让模型"想一步、做一步、看结果再想下一步"——后者是 Agent 的推理骨架。

1. CoT（Chain-of-Thought，思维链）

定义

让 LLM 在给出最终答案前显式输出中间推理步骤，把"直接答"变为"分步想再答"。由 Wei et al.（2022）系统验证。

触发方式

• Zero-shot CoT：加一句"Let's think step by step"。
• Few-shot CoT：给带推理过程的示例。

示例

问题：一个篮子有 12 个苹果，拿出 3 个又放回 1 个，剩几个？
普通：10 个
CoT：原有 12，拿出 3 剩 9，放回 1 剩 10。答案：10 个

要点

• 对数学/逻辑/多步推理增益显著，简单任务增益小。
• 推理链可能"看似合理实则错误"，需校验。
• Self-Consistency：多次采样取多数，提升稳定性。

2. ReAct（Reasoning + Acting）

定义

把 CoT 的纯推理与外部行动（工具调用）交错：每步先 Thought（思考）再 Action（行动），然后 Observation（观察）工具返回，循环直至答案。由 Yao et al.（2022）提出，是现代 Agent 的推理骨架。

循环结构

flowchart TD
    A[问题] --> B[Thought: 推理下一步]
    B --> C[Action: 调用工具]
    C --> D[Observation: 工具返回]
    D --> E{足够回答?}
    E -- 否 --> B
    E -- 是 --> F[Final Answer]

示例

Question: 科罗拉多造山运动延伸地区的海拔范围？
Thought 1: 需先查科罗拉多造山运动延伸到哪里。
Action 1: Search[科罗拉多造山运动]
Observation 1: 延伸至高平原。
Thought 2: 需查高平原海拔。
Action 2: Search[高平原 海拔]
Observation 2: 约 1800-2400 米。
Thought 3: 信息已足够。
Action 3: Finish[1800-2400 米]

要点

• 接地外部信息，缓解幻觉。
• 每步思考与行动可见，可追溯可调试。
• 工具描述不清会带偏推理。
• 需设最大步数防死循环。

3. CoT vs ReAct

关系：ReAct 内含 CoT——它的 Thought 步骤就是思维链。CoT 是 ReAct 的推理子能力。

4. 实战要点

• 数据已在上下文用 CoT；需查外部用 ReAct。
• ReAct 工具描述要清晰，否则模型误选。
• 长循环需裁剪 Observation，避免上下文膨胀。
• 终止条件必设，防 ReAct 死循环。

5. 参考资料

• Wei et al., "Chain-of-Thought Prompting Elicits Reasoning"（2022）
• Yao et al., "ReAct: Synergizing Reasoning and Acting"（2022）
• "Self-Consistency Improves Chain of Thought Reasoning"