一般 AI
🤖💭
「我想一下……」
直接根據目前資訊產生答案。
不一定會主動使用工具反覆查詢。
AI 不只是「想答案」，而是「想一步 → 做一步 → 看結果 → 再想下一步」！
直接根據目前資訊產生答案。
不一定會主動使用工具反覆查詢。
Reason → Act → Observe → 再 Reason。
AI 根據查到的資訊繼續調整行動。
直到資訊足夠，再整合回答。
ReAct 是一種讓語言模型在執行任務時，把「推理」與「工具／環境互動」交錯進行的 Agent 方法。模型不是一次想完所有步驟，而是根據每一步取得的新資訊，決定下一步要做什麼。
ReasonActObserveTool動態調整AI 判斷目前缺少什麼資訊。
使用搜尋、資料庫、API、計算器等工具。
發現資料不完整：
再決定下一個 Action。
| 任務特徵 | 適合度 | 原因 |
|---|---|---|
| 固定流程、步驟永遠一樣 | 🟡 通常不需要 | 傳統自動化／工作流即可，不必讓 Agent 動態決策。 |
| 需要查資料，但查詢路徑固定 | 🟡 未必需要 | 可以直接設計固定查詢流程。 |
| 需要根據前一步結果決定下一步 | 🟢 很適合 | 這就是 ReAct 的核心：Observation 影響下一個 Action。 |
| 資訊不完整、需要自行判斷要查什麼 | 🟢 很適合 | Agent 可以動態規劃工具使用與查詢方向。 |
下載 → 翻譯 → 儲存，每次流程都一樣。
👉 固定 Workflow 比 ReAct 更合理。
按照既定規則判斷，再回覆。
👉 規則引擎／固定流程即可。
如果「既定流程」真的完全固定，就可以用工作流；若查詢結果會影響後續行動，才更適合 ReAct。
👉 有一點 ReAct，但關鍵看「是否動態決策」。
AI 要自己判斷資訊夠不夠，還要依結果改變查詢方向。
👉 ⭐ 最符合 ReAct。
| 比較 | 🔧 Workflow | 🤖 ReAct Agent |
|---|---|---|
| 流程 | 預先定義 | 可依結果動態調整 |
| 下一步誰決定？ | 程式／規則 | 模型根據目前觀察決定 |
| 適合 | 固定、可預測流程 | 資訊不完整、需要探索與工具選擇 |
| 例子 | PDF → 翻譯 → 存檔 | 查融資 → 發現資料不足 → 改查公告 → 再分析 |
| 核心口訣 | 「照劇本走」 | 「看結果再決定下一步」 |
看到「動態調整、根據結果決定下一步、自主選工具、資訊不足再查」→ ReAct
⭐ 固定流程 → Workflow；動態決策 → ReAct。
A. 固定 PDF 批次翻譯並儲存
B. 按既有規則判斷退貨條件
C. 依既定流程多步查詢與整理
D. 分析新創融資，AI 自行判斷資訊是否足夠並調整查詢方向
| 題目關鍵字 | 立刻想到 |
|---|---|
| Reason + Act | 🤖 ReAct |
| 使用搜尋／API／資料庫等工具 | 🔧 Action |
| 觀察工具結果 | 👀 Observation |
| 根據結果決定下一步 | ⭐ ReAct 核心 |
| 資訊不足 → 改變查詢方向 | ⭐ ReAct |
| 固定步驟、固定規則 | 🔧 Workflow 通常更適合 |
⭐ 最終口訣：
「Workflow 照劇本；ReAct 看結果再行動。」