ReAct

让大模型边想边做，用工具解决复杂任务

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 407 🐛 待处理 5 👀 关注 21

GitHub ↗

GitHub 星标 ★ 4269

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源项目，MIT许可证，完全免费，可自行部署使用。

项目预览

项目数据

分类开源模型

开发团队ysymyth

GitHubhttps://github.com/ysymyth/ReAct

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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★ 4269

上线时间2022-11-13 00:00:00

代码更新2024-02-06

仓库体积6.3 MB

本站数据更新2026-11-09

维护状态低维护

收录时间2026-08-09

浏览次数5

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4269

技术标签

decision-making large-language-models llm prompting reasoning

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

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
```