08｜蒙眼狂奔的 ReAct：为什么执行前看不到计划的 Agent 最危险？
李号双
你好，我是李号双。
在 Agent 的架构演进中，有一个极其经典的范式：ReAct。2022 年 Princeton 和 Google DeepMind 联合发表这项研究时，核心思想是让大模型交替输出“推理”和“行动”，走一步看一步，做完一步再想下一步。
在当时的模型能力下，ReAct 是一次突破。它第一次让 LLM 具备了“先想后做”的能力。在 6 步以内的多跳问答（如 HotpotQA）中，ReAct 表现优异。很多团队初做生产级 Agent 时，自然而然地拿起了这套范式。但当我们把它推上生产环境，去执行真实的复杂工程任务时，认知需要重构：ReAct 在复杂多步任务下是不工作的。
我们来看一个真实的场景。有这样一个需求：“给所有测试环境的数据库做灾备迁移”。这是一个涉及连接、导出、传输、验证的跨系统任务。你看着 Agent 开始干活，第一步连接测试库，绿色通过；第二步执行全量 Dump，耗时 30 分钟，绿色通过；第三步，尝试将 dump 文件传到新的灾备中心，突然报错：Connection timeout: Firewall blocked。然后，恐怖的事情发生了。监控面板突然显示 Agent “重新开始执行”——它回到了第一步，再次执行全量 Dump。你眼睁睁看着它陷入了循环，磁盘 IO 飙升到 95%，触发了主从同步延迟告警。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《生产级 Agent 排雷实战》，新⼈⾸单¥59
《生产级 Agent 排雷实战》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论