ReAct架构如何实现边想边做，苹果CMU新框架将其推理效率提升90%

智能体（Agent）要真正“办事”，不能只靠模型一次性输出答案——它必须能边想边做，通过工具调用与环境交互，逐步收敛到正确结果。这一能力的底层支撑，正是 ReAct 架构。近期多项研究围绕 ReAct 展开优化与反思：苹果与卡内基梅隆大学提出 SSR 框架，将推理环节从生成式改为选择式，推理速度提升超90%；微软则发现长记忆可能使 Agent 困于“思维盆地”，并给出清空记忆的应对策略。这些进展共同指向一个关键命题：如何让 Agent 的推理既可靠又高效。

ReAct 的核心逻辑可概括为三步循环：想（Reasoning）→ 做（Acting）→ 看（Observation）。用户请求进入后，模型仅负责“决定下一步”，不执行计算、不接触外部状态；Harness 层组装上下文、校验并调度工具调用；Environment 层真实执行操作并返回结果。该过程形成闭环：每一轮的“看”成为下一轮“想”的输入，直至模型输出无工具调用的最终答案。

以“计算多币种收入平均值”为例，一个看似简单的任务实际需3轮迭代、4次工具调用：第一轮模型判断需先统一货币单位，发起3个并行汇率查询；第二轮收到结果后，交由代码解释器执行加总与均值计算；第三轮确认无工具调用，直接返回答案。整个轨迹清晰可追溯，错误可定位——这正是 ReAct 区别于“一次性答题”的本质：它把任务拆解为可验证的原子步骤，确保每一步都基于真实反馈。

然而，这种“边想边做”模式在实际部署中面临效率瓶颈。典型 ReAct Agent 每轮动作前需生成一段自由形式推理（free-form thinking），即模型逐 token 输出自然语言推理链，如“这张图像似博物馆，需先识别建筑再查展览信息”。对端侧小模型（如 2B–4B 参数量级），这类推理常冗长低效，且大量内容对决策无实质贡献。

苹果与卡内基梅隆大学的研究团队据此提出 SSR（Selection-based Structured Reasoning） 框架，将推理环节重构为“选择题”模式：预定义6类高频推理模板（如“不确定实体时以图搜图”“需具体事实时文本搜索”“证据充足时直接作答”等），每轮由模型从中选择最适配的一项作为推理依据，再生成具体动作（如搜索 query 或裁剪坐标）。该设计将“为什么这么做”（rationale）与“具体怎么做”（action）解耦，大幅压缩推理开销。

实验显示，在7个多模态搜索基准测试中，SSR 将每轮推理延迟降低超过90%，平均思考时间从约1秒降至0.1秒以内，而任务成功率与传统 free-form 方法相当。关键创新在于：模型无需额外分类头，而是通过自身对各选项的 token-level 打分完成选择，兼容现有 LLM 架构。

值得注意的是，SSR 并非否定 ReAct，而是对其推理环节的精细化改造。ReAct 的“想-做-看”骨架依然保留，只是“想”的方式从开放生成变为受限选择。这种思路契合了实际场景中的规律：尽管任务千变万化，决定动作的高层逻辑却高度复用——例如“实体已知但目标缺失”这一模式，可通用于“会议举办地”“公司成立年份”等不同问题。

与此同时，微软研究院另一项研究揭示了 ReAct 类 Agent 的潜在隐忧：长记忆可能成为创新的枷锁。在自动研究型 Agent 实验中，同一模型在相同任务上独立运行8次，最终性能差异极大（68.3–100.0分），且追加算力无法弥补差距。分析发现，每次运行均陷入不同的“思维盆地”（idea basin）——即方案空间中的局部最优区域，一旦锚定便难以跳出。

研究者指出，聊天记录如同“手机里的参考图”，持续强化初始假设，抑制新思路涌现。即使 Agent 具备自动摘要压缩机制，仍难逃盆地束缚。为此，微软提出 Fork-and-Flush 策略：定期将 Agent 分叉为多个并行分支，各分支继承完整工作区（代码、文件、实验结果），但清空聊天记录重新出发；运行固定时间后择优保留，其余终止。该方法在13个长周期任务上显著提升平均性能（归一化得分从0.47升至0.78）。

综合来看，ReAct 架构正经历从“可用”到“高效可靠”的演进。SSR 通过结构化推理压缩延迟，适用于资源受限的端侧或高并发场景；Fork-and-Flush 则针对长周期任务中的认知固化问题，保障探索多样性。二者共同表明：Agent 的智能化不仅依赖模型能力，更取决于推理机制的设计哲学——是允许其自由发散，还是引导其精准选择；是积累记忆以求稳定，还是定期清零以促突破。

目前，ReAct 已成为主流 Agent 框架的基础范式，而 SSR 与 Fork-and-Flush 等改进方案正在被集成至开源 Agent 库（如 LangChain、LlamaIndex）及工业级系统中。随着多模态工具调用、异步并行执行等能力的成熟，下一代 Agent 将更接近“可靠助手”而非“猜测机器”的定位。