一种复杂的推理技能，通过在思考和行动之间交替，解决复杂的多步骤技术挑战。
安装与下载
1. ClawHub CLI
从源直接安装技能的最快方式。
npx clawhub@latest install react-loop
2. 手动安装
将技能文件夹复制到以下位置之一
~/.openclaw/skills/ <project>/skills/ 优先级：工作区 > 本地 > 内置
3. 提示词安装
将此提示词复制到 OpenClaw 即可自动安装。
请帮我使用 Clawhub 安装 react-loop。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
更倾向于下载？
获取包含原生技能文件的ZIP压缩包。
什么是 React Loop: 迭代式问题解决？
react-loop 技能实现了 ReAct (Reason + Act) 研究范式，为 AI Agent 解决缺乏线性路径的问题提供了一个结构化框架。通过将推理步骤与直接行动交替进行，该技能允许 Agent 在探索未知环境时保持逻辑叙述。这种方法对于下一步行动完全取决于上一步结果的任务非常有效。
通过 Openclaw Skills 将此技能集成到您的工作流中，可以确保您的 Agent 不仅仅是盲目行动，而是建立一个系统的、证据驱动的调查。它模仿了侦探的过程：形成假设、进行测试，并根据观察结果更新认知。这在工具密集型工作流中可以带来更高的准确性并减少无关操作。
React Loop: 迭代式问题解决 应用场景
- 通过假设原因并实时测试来调试难以发现的软件漏洞。
- 进行深度研究，需要从多个来源收集信息。
- 执行探索性数据分析，初始查询结果决定下一个逻辑分析步骤。
- 执行复杂的网络或 API 任务，涉及处理数据以确定进一步的获取需求。
- 管理需要特定操作序列并进行间歇性验证的工具密集型工作流。
React Loop: 迭代式问题解决 工作原理
- 初始推理 (Thought): Agent 评估现有知识，识别差距，并确定逻辑上的下一步。
- 执行 (Action): Agent 执行特定任务，例如运行脚本、搜索网页或查询数据库。
- 结果捕捉 (Observation): 记录行动产生的原始输出、数据或错误消息。
- 更新认知 (Iterate): Agent 分析观察结果以更新其推理，并决定是继续循环还是结束任务。
- 最终回答: 一旦收集到足够的信息，Agent 会将所有观察结果合成一个全面的结论。
React Loop: 迭代式问题解决 配置指南
要在 Openclaw Skills 生态系统中使用 react-loop 功能，您需要在 Agent 的环境中初始化该技能。
# 通过 CLI 安装技能
openclaw install react-loop
确保您的 Agent 系统提示词已配置为识别 ReAct 会话格式，使其能够在项目工作区中记录其 Thought、Action 和 Observation 周期。
React Loop: 迭代式问题解决 数据架构与分类体系
react-loop 技能使用结构化的 Markdown 分类法组织其生命周期数据。这确保了过程中做出的每一个决策都是可审计且透明的。
| 组件 | 描述 |
|---|---|
| Thought | Agent 对当前步骤的逻辑和推理的文本描述。 |
| Action | Agent 执行的具体命令或工具调用。 |
| Observation | 行动后从环境接收回的数据或响应。 |
| Final Answer | 提供初始提示的解决方案或决议的终端总结。 |
React Loop: 迭代式问题解决 高级特性
- 计划优先集成: 与计划技能结合，创建由 ReAct 循环逐步执行的高级路线图。
- 自我批判钩子: 启用定期自检，以确保推理路径保持稳健并避免循环逻辑。
- 多 Agent 协同: 将 react-loop 用作管理协议，由一个 Agent 进行推理并将特定行动委托给其他专业的 Openclaw Skills。
- 迭代约束: 设置最大迭代限制，以防止在高度模糊或无限状态的问题中出现失控循环。
SKILL.md
加载中
Openclaw 相关技能
精选*
