_{🧠 图解记忆：ReAct = Reason + Act（边想边做）；点击图片可查看原图。}

💡 答案要点

ReAct = Reason + Act（边想边做）

三个致命缺陷：

缺陷1：上下文漂移（Context Drift）

• 长链路任务中，ReAct 容易"忘记"原始目标
• 每一步的 Thought 都是贪婪的局部最优
• 10 步任务 → 第8步 Agent 可能已经跑偏
• 结果：误差累积，最终答案与目标南辕北辙

缺陷2：高延迟（串行执行）

问题：ReAct 必须等上一步完成才能下一步
三个搜索无依赖，ReAct 串行执行：
  总时间 = T1 + T2 + T3
实际上可以并行：
  并行时间 = max(T1, T2, T3) ≈ T1

缺陷3：规划与执行耦合

• ReAct 的 Prompt 混合了"策略规划"和"参数填充"
• 模型既要决定下一步做什么，又要决定用什么工具、填什么参数
• 认知负担重，容易产生幻觉参数

面试话术：

示例表达（仅在能用本人经历或可复现实验佐证时使用）： "ReAct 的问题是教科书级考点。核心三个：上下文漂移（长链路跑偏）、串行高延迟（可并行但非要顺序）、规划执行耦合（一个 Prompt 干两件事）。我在项目里用 ReAct 做客服机器人，10轮对话后准确率从 85% 跌到 60%。解决方案就是解耦——Planner 专职规划，Executor 专职执行。"

📚 参考：ReAct: Synergizing Reasoning and Acting（原论文）