ReAct (raciocinar e agir)
ReAct (reasoning and acting, raciocinar e agir) é um padrão de prompting em que um modelo de linguagem alterna entre escrever uma etapa de raciocínio, executar uma ação como uma busca ou chamada de ferramenta, e ler o resultado antes da próxima etapa.
Também chamado: ReAct pattern
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
O ReAct foi apresentado em um artigo de 2022 de Yao e colegas. A ideia é simples: deixar o modelo pensar em voz alta e agir na mesma transcrição, para que cada pensamento possa se apoiar no que a última ação retornou. Ele virou o modelo para a maioria dos agentes com ferramentas que vieram depois.
Como funciona
O prompt pede ao modelo que produza turnos em um formato fixo. Uma linha Thought diz o que ele precisa descobrir. Uma linha Action indica uma ferramenta e sua entrada, por exemplo uma consulta de busca. O programa roda a ferramenta e acrescenta uma Observation com o resultado. O modelo então escreve o próximo Thought, e o ciclo se repete até que ele dê uma resposta final. Hoje isso geralmente roda por function calling nativo em vez de interpretar texto, mas o formato é o mesmo agent loop.
ReAct versus chain of thought
No chain of thought, o modelo raciocina passo a passo usando só o que já sabe. O ReAct adiciona ações, então o modelo pode buscar fatos que não tem e corrigir o rumo quando um resultado o surpreende. Isso o torna menos propenso a inventar fatos em perguntas que precisam de informação externa.
Limites
Cada etapa é uma chamada ao modelo, então tarefas longas ficam lentas e caras, e um pensamento ruim no início pode fazer o loop andar em círculos. Frameworks de agentes como o LangGraph adicionam limites de etapas e gerenciamento de estado em torno do padrão básico. O nome não tem nada a ver com React, a biblioteca JavaScript.
Termos relacionados
- Loop do agente
- O loop do agente (ciclo do agente) é o ciclo repetido no centro de um agente de IA: o modelo pede uma chamada de ferramenta, a aplicação a executa e devolve o resultado, e o modelo decide o que fazer em seguida.
- Chain-of-thought
- Chain-of-thought (CoT, cadeia de raciocínio) é um método de prompting em que um modelo de linguagem escreve passos intermediários de raciocínio antes da resposta final, o que tende a melhorar os resultados em matemática, lógica e outros problemas de vários passos.
- Chamada de ferramentas
- Chamada de ferramentas (tool calling), também chamada de chamada de funções (function calling), é um recurso de APIs de modelos em que você descreve funções com um schema, o modelo responde com um pedido estruturado para chamar uma delas, e o seu código a executa e devolve o resultado.
- Agente de IA
- Um agente de IA é um sistema em que um modelo de linguagem decide seus próprios próximos passos: chama ferramentas, lê os resultados e repete até concluir a tarefa, em vez de seguir um roteiro fixo.
- Modelo de raciocínio
- Um modelo de raciocínio (reasoning model) é um modelo de linguagem treinado para trabalhar um problema em um fluxo de tokens de pensamento intermediários antes de dar a resposta final, o que tende a ajudar em matemática, código e tarefas com várias etapas.