ReAct 风格循环

概述

ReAct 风格循环是 SWE-agent 的运行框架：每一步生成 thought（思考）和 command（命令），再接收命令执行结果。这种"想一点、做一点、看反馈、再想一点"的循环天然适合高反馈密度的软件工程任务。

关键内容

运行机制

while task not complete:
    thought = LLM_think(current_context)
    command = LLM_act(thought, current_context)
    result = execute(command)
    context.append(thought, command, result)

与传统循环的区别

维度	传统循环	ReAct 风格循环
推理方式	先想完再一次输出	想一点、做一点
反馈密度	低	高
适用任务	静态生成	交互式任务

为什么重要

这让 agent 的推理与行动形成显式耦合：不是先想完一切再一次输出，而是想一点、做一点、看反馈、再想一点。对于软件工程这种高反馈密度任务，这种循环天然更合适。

与 ACI 的关系

ReAct 在这篇论文里不是创新点本身，但它是 ACI 能发挥作用的运行框架。没有这个循环，ACI 就只是静态工具集；有了这个循环，ACI 才变成动态工作环境。

来源

raw/ChatGPT-Chat/ChatGPT-SWE-agent 论文核心观点/03-SWE-agent 论文的所有核心概念展开详细分析一个一个.md — SWE-agent 核心概念分析
raw/ChatGPT-Chat/ChatGPT-SWE-agent 论文核心观点/07-SWE-agent 轨迹格式长什么样，怎么进行分析，怎么判断轨迹中哪些问题导致了后续任务的失败？.md — SWE-agent 轨迹分析方法论