Agent 與工作流
ReAct 推理行動框架是什麼？想一步、做一步、看結果再想
ReAct 推理行動框架是什麼？想一步、做一步、看結果再想
為什麼有些 AI 只會空想，有些卻能一邊查資料一邊修正答案？差別就在有沒有這個循環。
ReAct 是把「想」跟「做」接起來的那一段設計，也是 Agent 能自己往前走的原因。
你將學到什麼
一句話定義
讓模型交替進行推理與行動，每做一步就看結果再想下一步。
白話比喻
像偵探辦案：想一個假設、去查一件事、看到證據再修正假設。
三個環節
Thought 想、Action 做、Observation 看結果，循環到收斂。
跟誰容易搞混
推理鏈只在腦中推導，ReAct 會真的去呼叫工具拿資料。
定義
ReAct 的全名是 Reason 加 Act，中文常稱推理行動框架。它讓模型交替進行推理與行動，而不是一次把答案想完。
一輪循環包含三個環節：Thought（我現在該做什麼）、Action（實際呼叫某個工具）、Observation（工具回傳了什麼）。
拿到觀察結果之後，模型回到 Thought 重新判斷，直到資訊足夠可以給出最終答案。
白話比喻
偵探不會坐在椅子上把整個案子想完。他會提出一個假設，然後出門查一件事，看到證據之後再修正假設。
ReAct 就是這個循環。它的價值不在於想得多聰明，而在於每一步都能被現實糾正。
一輪循環長什麼樣
| 環節 | 在做什麼 | 例子 |
|---|---|---|
| Thought 推理 | 判斷現在缺什麼資訊、下一步該做什麼 | 我需要知道這家公司今年的營收 |
| Action 行動 | 選擇並呼叫合適的工具 | 呼叫搜尋工具，關鍵字是公司名加年度財報 |
| Observation 觀察 | 接收工具回傳的結果 | 拿到三筆搜尋結果與一段摘要 |
| 回到 Thought | 根據結果修正方向或決定收尾 | 資料不夠具體，改查官方投資人關係頁 |
實際用例
問「這個月的訂單裡，退貨率最高的是哪個品項」，模型會先想到要查資料庫，呼叫查詢工具拿回數據，發現欄位不齊，再補查一次品項對照表，最後才算出答案。
這整段就是 ReAct。實際執行動作的能力來自 Tool Calling 工具呼叫，而把這個循環包成一個能自主完成任務的單位，就是 Agent。
延伸學習
ChatGPT 很強，但真正讓你下班的是 Google
六小時完整實錄。從「AI 很厲害，為什麼你還是每天加班」這個問題出發，把 Google Workspace 當成真正的工作平台重新設計一次流程 ── Sheets 的資料結構、Drive 與 Docs 的文件流、Gmail 與 Calendar 的通知系統，再用 Apps Script 讓它自己跑起來，最後收斂成一張屬於你自己的 AI 工作能力地圖。
NT$ 4,599
高效思維與腦內模擬：30 日練習與行動系統
每天一件事，三十天把「想到就做」換成「先在腦中跑一遍再動手」。六週依序練目標設定、腦內模擬、結果檢查、反饋與應變、知識萃取、總結與新目標，每天一課圖文，附可以直接填的練習表。週一給概念、週二實作、週三看案例、週四反思、週五收束，跟著節奏走就好，不必自己安排。
NT$ 1,599