第二章 ReAct循环——Agent的核心引擎
核心问题：你发出一条指令，Agent是怎么把它变成十几步操作后的最终结果的？这条路的关键，是一个不断自我驱动的循环。
普通AI回答的是问题，Agent解决的是任务。
这两个词的差距，比听起来要大得多。回答一个问题只需要一步——"北京今天多少度？"，AI查一下，告诉你23°C，完成。但解决一个任务往往需要十几步，每一步的方向都取决于上一步的结果。
"帮我整理项目里所有的TODO注释，按模块分类，生成一份可以直接提交review的清单"——这不是一个问题，这是一项工程。
OpenClaw能做的，正是这类事情。而它能做到的根本原因，是一个叫做 ReAct循环 的核心引擎。
理解了这个循环，你就理解了Agent和普通LLM之间本质上的区别。
一、"答一句"的天花板
先说一个熟悉的场景。你打开ChatGPT，请它分析项目的代码结构。它很聪明，告诉你怎么分析，甚至给你一个详细的分析框架。
但如果你真的想让它帮你分析——它卡住了。它看不到你的代码。
就算你把代码粘贴过来，它分析完告诉你"第47行有个潜在的空指针问题"，你想让它顺手帮你修复——它又卡住了。它没有办法改动你的文件。
就算你手动把改法告诉它，明天再来，又是新的一轮从零开始。
这不是ChatGPT不够聪明。这是单轮问答模式的天花板：
| 局限 | 根本原因 |
|---|---|
| 不能主动获取信息 | 没有工具，只能靠用户手动喂数据 |
| 不能持续推进 | 每次回答彼此独立，不能建立在上一步的结果上 |
| 不能自我修正 | 输出出了错就出了错，没有机制检验和调整 |
| 不记得进度 | 任务做到一半，下次对话从零开始 |
单轮对话的本质是：你提供所有信息，AI一次性输出答案，结束。
但真实的任务不是这样运作的。真实的任务是动态的——你不可能在开始时就知道所有需要的信息，每一步的结果都会影响下一步的方向。这需要一种完全不同的工作方式。
二、循环的诞生：Observe → Think → Act
2022年10月，普林斯顿大学的研究者发表了一篇论文，提出了一个听起来简单的想法：让语言模型交替进行推理和行动。
论文叫ReAct——Re是Reasoning（推理），Act是Acting（行动）。核心洞见是：推理和行动不应该分开。行动之前先思考，行动之后再观察，观察之后再思考——循环往复，直到任务完成。
OpenClaw的核心引擎就建立在这个想法上：
用户输入
↓
┌─────────────────────────────────────────────┐
│ ① 观察（Observe） │
│ 接收当前状态： │
│ · 用户发来了什么 │
│ · 工具上次返回了什么 │
│ · 对话历史积累了什么 │
└───────────────────┬─────────────────────────┘
↓
┌─────────────────────────────────────────────┐
│ ② 思考（Think） │
│ 把上下文交给模型推理： │
│ · 任务推进到哪一步了？ │
│ · 下一步该做什么？ │
│ · 调用工具，还是直接回复用户？ │
└──────────────┬──────────────┬───────────────┘
│ │
调用工具 任务完成
│ │
↓ ↓
┌──────────────────┐ 发送给用户
│ ③ 行动（Act） │ （循环结束）
│ 执行工具 │
│ 结果追加历史 │
└──────┬───────────┘
│
↓
回到 ① 重新观察
（带着新的观察结果）这个循环有一个至关重要的设计细节：每次工具调用的结果，都会追加到对话历史中。
这意味着什么？第五轮推理时，模型能"看到"前四轮发生的一切——用了什么工具、得到了什么结果、遇到了什么错误。它不是在猜测发生了什么，而是在读取一份完整的行动日志，然后基于这份日志决定下一步。
这就是Agent和普通LLM在能力上的根本分叉。普通LLM做的是一次性计算；ReAct循环做的是持续探索——每一步都站在前几步的肩膀上，逐步逼近目标。
为什么要串行
你可能会想：能不能并行执行多个工具，加快速度？
不能——至少在同一个任务里不能。原因是因果一致性：
"先创建文件，再向文件写入内容"
如果并行执行：
创建文件 → 还没完成
写入内容 → 文件不存在，写入失败 ✗
如果串行执行：
创建文件 → 成功 → 写入内容 → 成功 ✓在真实任务中，操作B的意义往往依赖操作A的结果。Agent不是在一个静止的环境里执行脚本，而是在一个因它的行动而不断变化的世界里推进工作。串行是这个动态世界的必然要求。
ReAct在三条路里的位置
在ReAct出现之前，人们尝试过两种极端的思路：
| 流派 | 策略 | 致命弱点 |
|---|---|---|
| 计划派 | 先生成完整计划，再按步骤执行 | 计划建立在对未来的假设上，遇到意外难以修正 |
| 反应派 | 感知-行动-感知-行动，无推理层 | 没有目标导向，容易陷入局部最优 |
| ReAct | 每步都是完整的观察-推理-行动微循环 | 串行执行，深层循环成本随历史长度增加 |
计划派的弊端是：如果第三步的输入依赖第二步的输出，而第二步的结果在执行前根本未知，计划就只是一厢情愿。反应派的弊端是：没有推理层意味着没有目标的内部表征，Agent无法判断自己正在靠近还是偏离目标。
ReAct走的是中间道路：带着当前最佳判断行动，让每一步的结果验证或修正之前的假设。这更接近人类在复杂任务中实际的工作方式。
三、循环如何"记住"
ReAct循环需要跨越多步才能完成一个任务，这引出了一个关键问题：循环如何在每一步都"知道"自己做过了什么？
答案不依赖模型的隐式记忆，而是靠显式的对话历史。
工作记忆：活在历史里
每次工具调用后，结果会被追加到对话历史——就像给自己实时记笔记。第十轮推理时，模型能读到前九步发生了什么：用了哪些工具、得到了什么结果、遇到了什么错误、错误是怎么被处理的。
这条不断延伸的历史链，就是循环的工作记忆。
这种设计有一个重要特性：完全透明。你可以打开历史记录，逐步看到Agent在哪一步做了什么决策、为什么做。没有黑盒，没有隐藏状态。透明性不是附加特性，而是这个架构的必然产物。
三层记忆结构
工作记忆有物理上限——模型的上下文窗口。对于需要跨越数十步、跨越多次会话的任务，单靠对话历史不够。OpenClaw实现了三层记忆：
| 层级 | 时间范围 | 存储方式 | 类比 |
|---|---|---|---|
| 工作记忆 | 当前会话 | 对话历史（内存） | 桌面上摊开的工作文件 |
| 长期记忆 | 跨会话 | MEMORY.md（文件系统） | 抽屉里的工作笔记本 |
| 世界知识 | 按需获取 | 通过工具读取 | 图书馆，用时才去借 |
三层记忆的核心原则是：正确的信息在正确的时刻出现。不是把所有信息一次性塞入上下文，而是按需加载。就像你工作时不会把整个图书馆搬到桌面——桌上放的是当前任务需要的文件，更多的资料用时再去取。
当历史太长：上下文压缩
当任务足够复杂、循环足够深，对话历史会不断膨胀，最终逼近上下文窗口的物理上限。OpenClaw的应对方式是渐进式压缩：
预防性压缩（每轮完成后检测）：
上下文压力超过阈值 → 主动压缩早期记录为摘要 → 为后续轮次腾空间
溢出修复（已超出限制时）：
立即压缩早期消息为摘要，保留最近N轮完整记录 → 继续执行压缩是信息的蒸馏：保留"发生了什么"，压缩"每步怎么做的"。代价是失去早期的操作细节，换来的是任务可以继续前进。
主动预防比被动应急更优雅——任务结束在上下文耗尽之前，而不是因为溢出而被迫中断。
四、循环如何"自愈"
传统程序遇到错误会抛出异常——这在封闭系统里是合理的，因为所有可能的错误情况都可以提前枚举、预设处理。
但Agent工作在开放世界里。外部API会超时，文件可能不存在，命令输出可能格式出乎意料，用户意图可能在执行中才暴露偏差——没有人能提前枚举所有可能的失败情况。
ReAct对错误的处理，是一次哲学翻转：
传统模式：
执行 → 错误 → 抛出异常 / 崩溃 / 预设错误处理 → 终止
ReAct模式：
执行 → 错误 → 错误追加入对话历史
↓
下一轮推理时"看到"错误
"这个方法行不通，原因是X，
那我应该尝试Y"
↓
换个方向，继续前进错误不是程序终止的触发器，而是指引Agent找到正确路径的路标。
Agent不需要提前枚举所有可能的错误情况，只需具备根据错误信息重新规划的推理能力。这让Agent具备了类似人类解决问题时的鲁棒性——不是因为害怕犯错而不去尝试，而是依赖从错误中学习的能力逐渐逼近目标。
有一个容易忽视的细节：工具返回值的质量直接影响循环效率。
一条清晰的错误信息——"找不到文件：路径不存在，当前工作目录是 /home/user"——让Agent在下一轮立刻找到正确方向。一条模糊的错误——"操作失败"——可能让Agent花费多轮才能诊断出真正原因。
工具设计者需要意识到：工具的返回值不只是给用户看的，更是给下一轮模型推理看的。
五、循环如何"收手"
自主循环带来能力，也带来一个新的问题：何时停止？
没有终止机制，Agent可能在错误的方向无限深入，消耗大量资源而不自知。或者在某个高风险操作上自行决定，而没有得到用户的授权。OpenClaw的答案是：有约束的自主性——不消灭自主性，而是为自主性划定清晰的边界。
三种终止条件
| 终止类型 | 触发条件 | Agent的行为 |
|---|---|---|
| 正常终止 | 模型判断任务已完成 | 生成最终回复，发给用户 |
| 安全终止 | 达到资源或时间边界 | 汇报当前进度，请求指示 |
| 异常终止 | 持续失败无法恢复 | 诚实报告卡在哪里、原因是什么 |
安全终止和异常终止同样重要。一个能清晰说出"我到这里就走不下去了，原因是X"的Agent，比一个默默卡住的Agent要可信得多。 失败的诚实汇报，让用户能够调整任务描述、提供额外信息，或选择不同的方向——而不是面对一个无响应的黑盒。
循环检测：识别"原地打转"
循环失控有一种常见形态：Agent重复做相同的操作，却没有实质进展。工具持续失败但Agent没有换方向，只是不断重试；或者两个操作相互抵消，来回切换却保持在原地。
OpenClaw实现了循环检测机制——识别无进展的重复行为模式，在适当时机强制重新评估策略，或请求人工介入。
这是一张安全网，不是主要的流程控制机制。理想情况下，Agent的推理能力应该在陷入真正的无效循环之前就能自我识别并调整。当循环检测被触发时，往往意味着任务本身存在某种结构性问题——要么任务定义存在内在矛盾，要么所需的外部资源不可达——这类情况需要人类介入来重新定义问题。
人工介入：知道什么时候停下来问
减少介入不等于消除介入。有些操作是不可逆的——删除文件、发送外部通知、提交不可回滚的变更——Agent自行决定的代价太高。
判断是否需要人工确认的框架很简单：
- 可逆吗？ 读取和分析是安全的；删除和对外发送需要确认
- 范围多大？ 修改一个测试文件和修改核心配置，风险量级截然不同
- 信息够吗？ 信息不完整时，询问比猜测更明智
OpenClaw的Ask模式（off / on-miss / always）把这个判断框架固化成可配置的行为规则。建议从保守起步，随着你对Agent行为建立起信任，逐步放开——渐进式建立信任，比一开始就全权委托更稳健。
小结
ReAct循环回答了一个根本问题：如何让AI从"答一句"进化到"做完一件事"？
不是靠让模型变得更聪明，而是靠一个架构设计：把每次行动的结果变成下一次思考的燃料，把每次错误变成调整方向的路标，把整个过程串成一条可追溯的行动日志。
| 循环的核心能力 | 实现方式 |
|---|---|
| 多步持续推进 | 结果追加历史，下步在此基础上决策 |
| 跨步状态记忆 | 三层记忆结构：工作 / 长期 / 世界知识 |
| 错误自愈 | 错误即观察，失败是信息而非终止 |
| 受控自主 | 终止条件 + 循环检测 + 人工介入时机 |
这个循环，是OpenClaw其他五根支柱的运转基础。 提示词系统为它装配身份和规则；工具系统为它提供与世界交互的手脚；消息循环管理它的并发调度；统一网关为它接收来自各渠道的输入；安全沙箱为它的每次工具调用把关。
一条消息进来，六根支柱协同，ReAct循环转动——这就是"数字生命体"真实运转的样子。