ReAct

让大模型边想边做，用工具解决复杂任务

ReAct 是一个来自 ICLR 2023 的研究项目，核心思想是让大语言模型在推理（Reasoning）和行动（Acting）之间交替进行，从而解决复杂任务。传统语言模型要么只做推理（如 Chain-of-Thought），要么只做行动（如使用工具），而 ReAct 将两者结合：模型在思考时生成自然语言推理轨迹，同时根据推理结果调用外部工具（如搜索引擎、数据库）获取信息，再基于新信息继续推理，形成“思考-行动-观察”的循环。这个项目提供了完整的代码实现和实验脚本，支持在多种基准任务上复现论文结果，包括问答（HotpotQA）、事实核查（Fever）和交互式决策（ALFWorld）。它解决了纯推理模型缺乏实时知识、纯行动模型缺乏规划能力的问题，显著提升了模型在需要多步推理和外部信息获取的任务上的表现。核心能力包括：灵活的推理与工具调用接口、与 OpenAI API 的集成、以及多种提示模板的示例。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 4186

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队ysymyth

所属国家

官网地址

GitHubhttps://github.com/ysymyth/ReAct

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型decision-making,large-language-models,llm,prompting,reasoning

GitHub 星标★ 4186

30天Star增速

HF 下载量

上线时间2022-11-13 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：进阶约 30 分钟部署方式：本地安装 5 步

环境要求

Python 环境与 Jupyter Notebook（README 以 .ipynb 方式运行）
OpenAI API Key，并设置为环境变量 OPENAI_API_KEY
安装 openai 包
如需运行 ALFWorld 实验，需按 alfworld 官方仓库说明安装 alfworld

安装与启动步骤

1获取项目代码

克隆 ReAct 仓库到本地，进入目录后打开其中的 notebook 文件。
```
git clone https://github.com/ysymyth/ReAct.git
cd ReAct
```
2配置 API Key

把 OpenAI API Key 写入环境变量 OPENAI_API_KEY，README 明确要求用该变量名。
```
export OPENAI_API_KEY=sk-xxxxxxxx
```
3安装 openai 包

README 指定包依赖为 openai，用 pip 安装即可。
```
pip install openai
```
4安装 alfworld（可选）

只有跑 alfworld.ipynb 才需要，按 alfworld 官方仓库的说明安装。
5运行实验 notebook

启动 Jupyter，依次运行 hotpotqa、fever、alfworld 或 webshop 的 ipynb 脚本。
```
jupyter notebook
```

关键配置

配置项	必填	说明	示例
`OPENAI_API_KEY`	是	OpenAI API 密钥，供 notebook 调用 GPT-3 模型使用	`sk-xxxxxxxx`

如何确认成功

notebook 中各单元能正常跑完并输出 HotpotQA/FEVER 的 EM 等评测指标，即表示配置成功。

常见问题

Q：必须用 OpenAI API Key 吗？

A：是，README 明确要求先准备 OpenAI API Key 并存入环境变量 OPENAI_API_KEY，notebook 依赖它调用模型。

Q：不装 alfworld 能跑吗？

A：可以，alfworld 只服务于 ALFWorld 实验；HotpotQA、FEVER、WebShop 的 notebook 不需要它。

Q：为什么只跑 500 条样本？

A：README 说明 HotpotQA 和 FEVER 验证集很大，因此只随机取 500 条样本运行。

Q：没有官网和详细文档怎么办？

A：README 信息有限，遇到问题可参考论文与 LangChain 的 zero-shot ReAct Agent 文档。

注意事项

README 未给出具体 Python 版本要求，建议使用较新的 Python 3 环境。
环境变量 OPENAI_API_KEY 需在运行 Jupyter 的同一终端中设置，否则 notebook 读不到。
更换其他任务时，README 建议尝试 LangChain 的 zero-shot ReAct Agent。
评测结果参考 README 表格：PaLM 与 GPT-3 在不同任务上表现各有优势。

核心亮点

开创性地将推理轨迹和行动交替结合，显著提升多步推理和知识密集型任务的准确率
代码结构清晰，提供完整的实验配置和提示模板，便于复现和二次开发
支持多种任务场景（问答、事实核查、决策），通用性强

不足之处

依赖外部工具（如搜索引擎）的可用性和响应质量，在无网络环境受限
文档以论文和代码注释为主，缺乏系统的使用指南，上手门槛较高

适用场景

需要实时知识检索的复杂问答系统
需要多步规划与工具调用的智能体开发
研究推理与行动结合机制的学术实验

替代项目

Toolformer、WebGPT、SayCan

项目介绍

ReAct 是开发框架领域的开源项目，由 ysymyth 开发，2022 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（4,186）位列前 10%，在开发框架分类的 803 个项目里位列前 12%。

近 42 天，它的 GitHub 星标从 4,107 增加到 4,186，净增 79。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：需要实时知识检索的复杂问答系统。同类可对比的替代方案包括 Toolformer、WebGPT、SayCan。

上一篇：LMOps

下一篇：all-agentic-architectures