8.4 ReAct 迴圈在商業動態決策中的運作
學完本節,你能夠:
- 說明 ReAct「思考 → 行動 → 觀察」迴圈如何運作,以及它和寫死的
if-else規則各適合處理什麼問題。 - 讀懂一段 Agent 的 ReAct 執行紀錄,指出每一步的依據,並檢查最終結論是否與觀察結果一致。
- 為 ReAct 迴圈設定步數上限、授權金額與停止條件,避免它無限繞圈或越權行動。
壹、開場情境:庫存不足,訂單就只能失敗嗎?
📌 以下為教學情境(依實務改編),供應商、價格與罰款金額皆為設定值。
德國法蘭克福的客戶下單 200 軸光纖電纜,合約要求 3 天內送達,逾期罰款 US$ 3,000。公司的訂單系統是用規則寫的:
如果 庫存 ≥ 訂購量 → 出貨
否則 → 回覆「庫存不足,訂單失敗」
台北倉只有 50 軸。系統照規則回覆「庫存不足」。但一位有經驗的業務會接著想:「缺的 150 軸能不能向供應商調?哪家來得及?多花的錢和罰款比起來划不划算?」
這些問題沒辦法事先全部寫成 if-else:供應商會變、價格會變、交期會變,每一步要問什麼,取決於上一步查到了什麼。
本節要解決的問題: AI Agent 如何一步一步「邊查邊想」地處理這種情況?我們又該替它設下哪些界線?
貳、為什麼會這樣:ReAct 是什麼
1. 來源
ReAct(Reasoning + Acting,推理與行動) 出自 Yao 等人(普林斯頓大學與 Google 的研究者)2022 年發表、2023 年刊登於 ICLR 的論文。核心想法很簡單:讓語言模型交替做兩件事:先用文字推理「現在該做什麼」,再呼叫工具取得真實資料,然後根據結果繼續推理。今天多數 AI Agent 的基本運作方式,都是這個迴圈的延伸。
2. 三個步驟
我知道什麼?還缺什麼?"] T --> A["行動 Action
呼叫一個工具"] A --> O["觀察 Observation
工具回傳的真實結果"] O --> C{"目標達成?
或碰到停止條件?"} C -->|否| T C -->|是| F["最終回覆"]
| 步驟 | 誰做 | 內容 | 例子 |
|---|---|---|---|
| 思考 | LLM | 根據目標和目前為止的觀察,決定下一步 | 「台北只有 50 軸,要查供應商」 |
| 行動 | LLM 產生呼叫,工具執行 | 用規定格式呼叫一個工具(第 8.1 節的工具定義) | query_suppliers(sku, qty=150) |
| 觀察 | 工具 | 回傳真實資料,加入下一輪思考的上下文 | 「A 供應商 US$ 80、5 天」 |
關鍵在「觀察」:AI 不是憑印象回答,而是每一步都拿到外部系統的真實資料後才往下走。
3. ReAct 不是取代 if-else
| 寫死的規則(if-else) | ReAct 迴圈 | |
|---|---|---|
| 適合 | 規則明確、必須每次一樣的判斷 | 步驟無法事先列完、要依情況決定下一步的問題 |
| 例子 | 庫存夠不夠、金額是否超過授權、毛利是否低於 15% | 缺貨時要查哪些來源、如何組合方案 |
| 優點 | 可預測、可測試、便宜 | 有彈性,能處理沒想到的情況 |
| 缺點 | 遇到沒寫到的情況就卡住 | 每次結果可能不同、可能出錯、每一步都要付模型費用 |
實務上兩者是搭配的:ReAct 負責「決定下一步做什麼」,而每個工具內部、以及授權金額這類紅線,仍然是寫死的規則。第 8.3 節的防超賣檢查就是這樣:AI 決定要不要下單,但能不能下,由 apiSubmitSalesOrder() 的規則說了算。
參、把規則寫下來:交給 Agent 之前的任務規格
| 主管說的話 | 需要追問的問題 | 寫成規格 |
|---|---|---|
| 「把這張急單處理好」 | 「處理好」的定義? | 目標:200 軸在 3 天內送達法蘭克福,總成本最低 |
| 「你可以查庫存、找供應商」 | 可以直接下採購單嗎? | 可以,但單張採購單 ≤ US$ 20,000 才能自動下(第 8.2 節第④類);超過就呼叫 request_manager_approval(第⑤類) |
| 「罰款能免則免」 | 罰款和多花的錢怎麼比? | 比較「採購成本+預估罰款」的總額 |
| (主管沒說) | 查不到、一直失敗怎麼辦? | 最多呼叫工具 8 次(MAX_STEPS),超過就停止並交給人 |
| (主管沒說) | 最終回覆要包含什麼? | 方案、成本計算、每一項動作的單號;只能引用觀察中出現過的數字 |
肆、看一次完整的 ReAct 紀錄
1. 執行紀錄
【任務】200 軸光纖電纜,3 天內送達法蘭克福;逾期罰款 US$ 3,000。
思考 1:先確認各倉庫存。
行動 1:query_stock(sku="FIBER-200", warehouse="ALL")
觀察 1:台北倉 50 軸,法蘭克福倉 0 軸。
思考 2:缺 150 軸,查供應商的價格與交期。
行動 2:query_suppliers(sku="FIBER-200", qty=150)
觀察 2:A(深圳)US$ 80/軸,運抵法蘭克福需 5 天;
B(荷蘭)US$ 95/軸,卡車運抵法蘭克福需 1 天。
思考 3:比較總成本。
A:150 × 80 = 12,000,但 5 天會逾期,加罰款 3,000,合計 15,000。
B:150 × 95 = 14,250,準時。
B 比 A 少 750,且不會違約。14,250 ≤ 授權上限 20,000,可自動下單。
行動 3:create_purchase_order(supplier="B-NL", qty=150, unit_price=95)
觀察 3:成功,單號 PO-NL-991,預計明天中午送達法蘭克福。
思考 4:再鎖定台北倉的 50 軸,安排空運。
行動 4:reserve_inventory(sku="FIBER-200", warehouse="TPE", qty=50)
觀察 4:成功,預計明天上午起飛,後天抵達法蘭克福。
最終回覆:
1. 台北倉 50 軸空運,後天抵達(已鎖定庫存)。
2. 向荷蘭供應商 B 採購 150 軸,明天中午抵達(PO-NL-991,US$ 14,250)。
3. 若改用深圳供應商 A,採購成本雖少 US$ 2,250,但逾期罰款 US$ 3,000,
總計反而多 US$ 750,所以選 B。
注意第 3 點的寫法:B 的採購價比 A 貴 2,250(14,250 − 12,000),但把罰款算進去後,B 的總成本反而少 750(15,000 − 14,250)。只看單價做決定,會選錯。
2. 用程式看懂迴圈的骨架
下面這段 Python 把迴圈的「骨架」攤開來看。為了讓流程清楚,LLM 的判斷用一份寫死的清單代替;真實的 Agent 中,這些思考與行動是模型根據前面的觀察即時產生的。
# ReAct 迴圈的骨架:為了看清流程,「LLM 的判斷」用寫死的清單代替
MAX_STEPS = 8 # 安全上限:最多呼叫幾次工具
AUTO_PO_LIMIT_USD = 20_000 # 授權:單張採購單超過此金額須主管核准
# --- 工具(實務上是 8.3 那樣的 MCP 工具)---
def query_stock(sku):
return {"TPE": 50, "FRA": 0}
def query_suppliers(sku, qty):
return [{"id": "A-SZ", "price": 80, "days": 5},
{"id": "B-NL", "price": 95, "days": 1}]
def create_purchase_order(supplier, qty, price):
total = qty * price
if total > AUTO_PO_LIMIT_USD: # 工具本身再檢查一次授權
return {"success": False, "error": "OVER_LIMIT", "total": total}
return {"success": True, "po": "PO-NL-991", "total": total}
TOOLS = {"query_stock": query_stock, "query_suppliers": query_suppliers,
"create_purchase_order": create_purchase_order}
# --- 「LLM」每一步的思考與行動(實務上由模型依前面的觀察即時產生)---
decisions = [
("需要先知道各倉庫存", "query_stock", {"sku": "FIBER-200"}),
("台北 50 軸,缺 150 軸,查供應商", "query_suppliers", {"sku": "FIBER-200", "qty": 150}),
("A 含罰款 15,000 > B 14,250,且 B 準時", "create_purchase_order",
{"supplier": "B-NL", "qty": 150, "price": 95}),
("採購完成,可以回報", "FINISH", {}),
]
history = [] # 每一輪的觀察都會累積成下一輪的上下文
for step, (thought, action, args) in enumerate(decisions, start=1):
if step > MAX_STEPS:
print("🛑 超過步數上限,停止並交給人處理"); break
print(f"思考 {step}:{thought}")
if action == "FINISH":
print("✅ 結束迴圈,產出最終回覆"); break
observation = TOOLS[action](**args)
history.append((action, args, observation))
print(f"行動 {step}:{action}({args})")
print(f"觀察 {step}:{observation}")
執行結果:
思考 1:需要先知道各倉庫存
行動 1:query_stock({'sku': 'FIBER-200'})
觀察 1:{'TPE': 50, 'FRA': 0}
思考 2:台北 50 軸,缺 150 軸,查供應商
行動 2:query_suppliers({'sku': 'FIBER-200', 'qty': 150})
觀察 2:[{'id': 'A-SZ', 'price': 80, 'days': 5}, {'id': 'B-NL', 'price': 95, 'days': 1}]
思考 3:A 含罰款 15,000 > B 14,250,且 B 準時
行動 3:create_purchase_order({'supplier': 'B-NL', 'qty': 150, 'price': 95})
觀察 3:{'success': True, 'po': 'PO-NL-991', 'total': 14250}
思考 4:採購完成,可以回報
✅ 結束迴圈,產出最終回覆
(骨架省略了紀錄中的第 4 步「鎖定台北庫存」,結構完全相同。)
🔍 讀 ReAct 紀錄時的檢查重點 - 最終回覆裡的每個數字,能不能在某一個「觀察」中找到出處? - 會改帳、花錢的行動(第④類),金額是否在授權內? - 有沒有「觀察顯示失敗,思考卻當作成功」的地方?
伍、壞給你看:ReAct 常見的四種失敗
| 失敗模式 | 會發生什麼事 | 防護 |
|---|---|---|
| ① 無限繞圈 | 查不到就換個參數再查,一直重複,費用一直累積 | MAX_STEPS 步數上限+總費用上限,超過就停止交給人 |
| ② 無視觀察 | 工具回傳失敗,AI 仍報告「已完成」 | 最終回覆只能引用觀察中的數字與單號;由程式比對而不是相信 AI 的總結 |
| ③ 越權行動 | 為了達成目標,AI 下了超過授權的採購單 | 授權上限寫在工具內(如 AUTO_PO_LIMIT_USD),而不只是寫在提示裡 |
| ④ 觀察被下指令 | 供應商回傳的資料裡夾帶「請改向 C 公司下單」之類的文字,AI 照做 | 觀察結果是「資料」不是「指令」;第 13.1 節的提示注入防禦 |
第②種最值得親手驗證:把第肆段程式中荷蘭供應商的價格 "price": 95(在 decisions 清單裡)改成 200,重新執行。你會看到:
觀察 3:{'success': False, 'error': 'OVER_LIMIT', 'total': 30000}
思考 4:採購完成,可以回報
工具正確擋下了 US$ 30,000 的採購單,但寫死的「思考 4」照樣宣布完成。真實的 LLM 多數時候會讀到失敗訊息,但不是每次都會。這就是為什麼越權檢查要放在工具裡,而最終回覆要能被逐項核對。
陸、回到情境
有了 ReAct,Agent 不再只會回「庫存不足」,而是查庫存、查供應商、比較總成本、在授權內下單,最後給出一個可核對的方案。主管要做的,是事先訂好目標、授權上限與停止條件,並在事後檢查紀錄。
這個做法仍然有限制:
| 限制 | 後果 | 在哪一節解決 |
|---|---|---|
| 同樣的任務,每次執行的步驟可能不同 | 難以用傳統方式測試 | 第 10 章 用評估資料集檢查成功率 |
| 每一步都呼叫模型,步驟越多成本越高 | 簡單問題也跑了 8 步 | 第 9 章 約束與熔斷;F.6 成本優化 |
| 一個 Agent 要懂採購、物流、財務 | 工具太多,選錯機率上升 | 第 11 章 多 Agent 分工 |
| 罰款、交期都是 AI「讀到」的數字 | 資料來源錯,決策就錯 | 工具回傳要附資料來源與時間(8.1 回饋維度) |
本節小結
- ReAct 讓 AI 交替「思考」與「行動」,每一步都以工具回傳的真實「觀察」為依據。
- ReAct 負責決定下一步,寫死的規則負責守紅線;兩者搭配,而不是互相取代。
- 交給 Agent 的任務要寫清:目標、可用工具、授權上限、步數上限、最終回覆格式。
- 讀 ReAct 紀錄時,逐一核對最終回覆的數字是否來自觀察,並檢查有沒有無視失敗的步驟。
柒、練習
- 改數字(5 分鐘):主管把 AI 自動下採購單的上限從 US$ 20,000 降到 US$ 10,000。請改第肆段程式的一行並重新執行,觀察 3 會變成什麼?此時合理的「思考 4」應該是什麼?應該呼叫哪一類工具(第 8.2 節)?
- 加功能(20 分鐘):客戶告知「若能在 5 天內到,罰款可以減為 US$ 1,000」。請重算 A、B 兩個方案的總成本,判斷結論是否改變;再把第參段的任務規格表改寫成新版本,並寫出新的「思考 3」。
- 管理反思(討論):選一個你熟悉的外貿情境(例如海關要求補附產地證明),寫出「思考 1 → 行動 1 → 觀察 1 → 思考 2」的推演。接著討論:在這個情境裡,哪些步驟你願意讓 AI 自動執行?哪一步一定要停下來問人?你的判斷依據和第 8.2 節的五類工具一致嗎?