从 CoT 到 ReAct：AI Agent 是怎么“长出来”的

《AI 知识卡片》第 07 期 · Agent 不是魔法是一步步演化来的现在满世界都在聊“AI Agent”听起来玄乎。但它其实不是凭空冒出来的黑科技而是从一个特别朴素的想法一步步长出来的。搞懂这条演化线你就搞懂了 Agent 的本质。CoT让 AI 学会“想”最早大家发现让 AI 直接答难题容易出错于是有了思维链Chain of ThoughtCoT让它别急着给答案先把思考过程一步步写出来再下结论。就像做数学题打草稿——把中间步骤摊开正确率立刻上一个台阶。但 CoT 有个特点它全程只在“脑子里”想。信息全靠模型自己的记忆记错了、不知道的它就只能硬编也就是幻觉。它会“想”但不会“查”、不会“做”。ReAct让 AI 学会“边想边做”光想不够得能动手。于是有了ReAct——名字就是Reason推理 Act行动的合体。它的套路是一个循环如上图想 → 做 → 看 → 再想循环往复直到把问题解决。这一步是质变AI 不再是闭卷考试凭记忆答题而是变成了一个能查资料、能调工具、能根据真实结果调整下一步的执行者。它能上网搜、能查数据库、能调 API——不知道的就去查而不是硬编。所以说 Agent 为什么比裸模型少编瞎话幻觉核心原因就在这。CoT ReAct就是 Agent把 ReAct 这个“想-做-看”的循环包装起来再配上几样东西1、一个目标要完成的任务2、一套工具箱能调用的搜索、API、代码执行等3、一点记忆记住之前几步做了啥让它自己转着圈跑直到目标达成——这就是今天的 AI Agent。所以你看Agent 一点都不神秘**它就是“一个会推理的模型 一批工具 一个循环”。**一层能力叠一层能力Agent 就是这么长出来的CoT → 让 AI 会想把推理写出来 ReAct → 让 AI 会做边想边调工具、看真实结果 Agent → 让 AI 能自己跑完一件事想-做-看的循环 目标 工具 记忆一句话总结Agent 不是什么全新魔法——CoT 教会它想ReAct 教会它边想边做再把这个循环包起来配上工具和目标就成了能自己干活的 Agent。