Agent 的 ReAct是一种结合推理（Reasoning）与行动（Acting）的推理-行动（Reason+Act）范式 / 提示模式，旨在通过动态的思考与执行循环解决复杂任务。LangChain 等只是实现该范式的载体，而非 ReAct 本身。

本文主要讲的是并发编程中的 Master-Worker 模式（以 Java 线程池为例），与 AI 多智能体里「主 Agent 分解任务、子 Agent/工具执行」是不同概念；二者可类比，但实现与约束并不相同。

并发场景下，Master-Worker 是一种并行任务处理架构，通过任务分解、动态分配与结果归并提升高并发效率。系统分为两类角色：Master（主控节点）负责任务调度与结果整合，Worker（工作节点）负责执行具体子任务。