🔄 AGENT CORE ENGINE EXPLAINER
什么是 AI Agent 的 ReAct Loop（思考-行动循环）？
一句话搞懂：大模型办复杂大事时，“想一步 (Reason) ➔ 动手试一步 (Act) ➔ 看一眼结果 (Observe)” 的自主闭环！
🧬 ReAct 经典铁三角（Reasoning + Acting）
像福尔摩斯查案一样：先动脑推理，再动手搜证，根据真实证据修正想法，直到破案！
🥊 三种 AI 解题范式对比
看看 ReAct 是如何战胜传统模式的
只思考 (Chain of Thought)
只在脑子里打转
适合做小学奥数题。但由于无法联网或读取本地文件，遇到实时问题极易一本正经地胡说八道（幻觉）。
只行动 (Act-Only)
无脑狂调 API
收到指令直接抓取或执行，缺乏整体任务拆解。一旦某个 API 报错 404，就会陷入懵圈直接崩溃。
ReAct 闭环 (Reason + Act)
动脑规划 + 动手实操
每次行动前先说明意图，行动后仔细检查结果。报错了自动换个思路重试，直到任务搞定！
🎮 互动演示：亲眼看看 ReAct Loop 是如何一步步解题的
选择一个复杂任务，点击「单步单循环」或「⚡ 自动连续运行」，看 Agent 如何自主规划与纠错
任务选择:
📋 ReAct 执行链路 Trace
Loop #0
Real Environment Output (Observation)
$ Environment ready. Waiting for first action...
🛡️
1. 如何防止 Agent 陷入死循环？
当 API 持续报错或大模型卡在同一步骤时，系统必须设有 Max Iterations（最大迭代步数，如 15 步） 与动作去重检测。一旦超时直接中断并求助人类（Human-in-the-loop）。
🔄
2. ReAct 的自我纠错（Self-Correction）怎么发生的？
当一个 Action 返回了报错信息（如 `IndexError: list index out of range`），这个报错会原封不动作为 Observation 喂回给大模型。在下一个 Thought 里，模型就会意识到之前假设错误并修正代码！
🚀
3. ReAct 后的进阶演化有哪些？
• Plan-and-Solve：先全局拆大提纲，再一步步走。
• Reflexion（反思架构）：在记忆库中记录历史教训。
• Tree of Thoughts（思维树）：探索多条路径并选择最优解。