Agent 的决策与规划:ReAct、Plan-and-Execute、Reflexion 与 Tree of Thoughts

作者:吃饱了得干活日期:2026/10/3

本文是「Agent 基本概念」系列第三篇。
前两篇我们分别讲清了 Agent 是什么 和 Agent 由哪些组件构成。这一篇进入 Agent 最核心也最容易被混淆的部分:Agent 到底怎么“想”和“做” 。
系列规划:① 什么是 AI Agent → ② 核心组件 → ③ 决策与规划 → ④ 记忆与工具 → ⑤ 架构与落地。

前言:Agent 的“思维方式”决定了它的能力上限

上一篇文章中,我们把 Agent 拆成了感知、LLM/规划、记忆、工具、行动、执行循环六个组件。其中,“规划”和“执行循环”之间的配合方式,直接决定了 Agent 在真实任务中的表现。

同样是调用 LLM + 工具,不同的决策与规划模式会带来截然不同的结果:

  • 有的 Agent 一步一想,边做边看,灵活但容易绕路;
  • 有的 Agent 先谋后动,全局规划,稳定但不够灵活;
  • 有的 Agent 做完就反思,能自我改进,但成本更高;
  • 有的 Agent 同时探索多条路径,质量更高,但计算代价大。

这四种模式,就是当前 Agent 领域最主流的 ReAct、Plan-and-Execute、Reflexion、Tree of Thoughts。

这篇文章的主线是:

从“如何做决策”出发,理解四种主流规划模式的设计思想、工作流程和适用场景。

一、ReAct:边想边做,推理与行动交替

1.1 为什么需要 ReAct?

在 ReAct 出现之前,LLM 做推理主要靠 Chain-of-Thought(CoT) ,让模型生成推理链再给出答案。但 CoT 有一个根本问题:模型完全依赖内部知识,不与外部世界交互,无法获取实时信息,也无法根据环境反馈调整推理方向。

另一方面,也有研究让 LLM 在环境中直接行动(比如文本游戏、网页导航),但这些方法缺乏高层推理和长期记忆,无法抽象地规划目标。

ReAct 的核心洞察是: 推理和行动不是二选一,而是应该交替进行、相互增强。

1.2 ReAct 的工作机制

ReAct 让 LLM 以交错方式生成推理轨迹(reasoning traces)和任务特定动作(actions)。

一个典型的 ReAct 循环包含三步:

  1. Thought(思考) :模型推理当前状态,决定下一步该做什么;
  2. Action(行动) :调用工具或执行动作;
  3. Observation(观察) :获取行动结果,作为下一步推理的输入。

这个循环不断重复,直到任务完成。

关键机制:推理轨迹帮助模型归纳、跟踪和更新行动计划,同时处理异常情况;动作则允许模型与外部环境交互以获取额外信息。两者的协同让模型能够进行动态推理,在执行过程中创建、维护和调整计划。

1.3 一个直观的例子

假设用户问:“苹果遥控器是什么时候发布的?”

ReAct Agent 的轨迹可能是:

1Thought 1: 我需要查找 Apple Remote 的发布信息
2Action 1: Search[Apple Remote]
3Observation 1: 找到相关页面,但信息不完整
4Thought 2: 我需要进一步确认发布时间
5Action 2: Search[Apple Remote release date]
6Observation 2: 找到确切日期
7Thought 3: 信息足够,可以回答了
8

每一步的推理都基于上一步的观察,推理和行动紧密耦合。

1.4 优势与局限

优势:

  • 灵活,能根据中间结果动态调整策略;
  • 每一步都有推理痕迹,可解释性好;
  • 适合需要边查边做的探索性任务。

局限:

  • 每步都要调用 LLM,延迟和成本较高;
  • 容易陷入局部决策,缺乏全局视角;
  • 在长任务中容易偏离目标。

适用场景:工具调用、API 查询、网页导航等需要频繁与环境交互的任务。ReAct 在开源模型上的最低门槛约为 4B 参数。

二、Plan-and-Execute:先谋后动,规划与执行分离

2.1 为什么需要 Plan-and-Execute?

随着 Agent 要处理的任务越来越复杂,ReAct 的“一步一想”模式暴露出两个问题:

  1. 提示词越来越长:每一步都要把全部历史塞进上下文,token 成本急剧上升;
  2. 缺乏全局规划:ReAct 容易“只见树木不见森林”,在复杂多步任务中效率低下。

LangChain 团队在 2023 年提出了 Plan-and-Execute 架构,核心思想是:把高层规划与短期执行分开。

2.2 Plan-and-Execute 的工作机制

Plan-and-Execute 的伪代码非常简洁:

1- Plan steps to take
2- For step in steps:
3    determine the proper tools or best course of action
4

它依赖两个核心组件:

Planner(规划器) :

  • 接收用户目标,一次性制定完整的多步子任务列表;
  • 几乎总是使用语言模型,利用其推理能力处理歧义和边缘情况;
  • 输出可以解析为有序步骤列表。

Executor(执行器) :

  • 接收 Planner 生成的单个高层步骤;
  • 决定使用哪些工具来完成这一步(可能一步完成,也可能需要多步);
  • 在 LangChain 的初始实现中,Executor 本身就是一个 Action Agent。

关键设计:Planner 和 Executor 解耦,可以分别选型——Planner 用强模型保证规划质量,Executor 用快模型降低成本。中间结果可以回灌给 Planner,必要时触发 Re-Plan 修订后续计划。

2.3 一个直观的例子

用户说:“帮我策划一次团队建设活动。”

Plan-and-Execute Agent 先制定计划:

1Plan:
21. 确定团队规模和预算
32. 搜索适合的场地
43. 比较价格和评价
54. 确认日期和预订
65. 制定活动流程
76. 发送通知
8

然后逐项执行,每步可以由 Executor Agent 自主选择合适的工具。

2.4 优势与局限

优势:

  • 全局视角,规划质量高;
  • 规划与执行解耦,成本可控;
  • 适合步骤明确、有强依赖关系的任务。

局限:

  • 一次性规划可能不适应动态环境变化;
  • 静态预规划在面对动态反馈时鲁棒性不足;
  • 规划本身需要一次较大的 LLM 调用。

适用场景:ETL 流程、自动化工作流、需要审计的合规任务、批量处理任务。研究表明 Plan-and-Execute 在逻辑推理任务中优于 ReAct,因为多条件评估和分支逻辑更适合全局规划。

三、Reflexion:从失败中学习,用语言做强化

3.1 为什么需要 Reflexion?

ReAct 和 Plan-and-Execute 都有一个共同问题:做完就结束,不会从错误中学习。如果一次尝试失败,下一次还是从零开始,犯同样的错误。

传统强化学习通过更新模型权重来学习,但需要大量训练样本和昂贵的微调。

Reflexion 的核心洞察是: 不更新权重,用语言反馈来强化 Agent。

3.2 Reflexion 的工作机制

Reflexion 由三个核心组件构成:

Actor(执行者) :

  • 基于当前任务和累积的反思记忆,生成行为轨迹;
  • 本质上是执行任务的 Agent。

Evaluator(评估者) :

  • 判断 Actor 的输出是否成功;
  • 可以是二值信号(通过/失败)、启发式规则,或另一个 LLM 的评判。

Self-Reflection(自反思模型) :

  • 根据评估结果和失败轨迹,生成自然语言的错误分析和改进建议;
  • 反思文本存储在情景记忆缓冲区中,引导后续试验中更好的决策。

Reflexion 可以整合各种类型的反馈信号(标量值或自由语言),以及各种来源(外部或内部模拟),在顺序决策、编码、语言推理等任务上都取得了显著提升。

3.3 核心数据

Reflexion 在 HumanEval 编码基准上达到了 91% pass@1 准确率,超过了当时 GPT-4 的 80%。

但代价也很明显。一项涵盖 300 个任务的对比研究发现,Reflexion 虽然达到了最高的单次准确率(74.1%),但其成本是 ReAct-GPT-o3 的 5.12 倍,而准确率仅高出 5.4 个百分点。在成本归一化后,Plan-and-Execute 以 71.9% 的效果和 4.1 倍更低的成本,在性价比上优于 Reflexion。

3.4 优势与局限

优势:

  • 能跨轮次积累经验,持续改进;
  • 不需要模型微调,即插即用;
  • 适合对输出质量要求极高的任务。

局限:

  • 成本显著高于其他模式;
  • 延迟较高,不适合实时场景;
  • 反思质量依赖 Evaluator 的准确性。

适用场景:事实问答、代码生成、需要准确性的高风险任务。MLflow 的指南建议:当输出准确性是首要指标、延迟是次要考虑时,选择 Reflexion。

四、Tree of Thoughts:同时探索多条路径

4.1 为什么需要 Tree of Thoughts?

CoT 让模型沿着一条推理链走下去,但人类解决难题时不是这样的。人类会同时考虑多个方案,评估后选择最有希望的。

ToT 的灵感来自认知科学中的 “System 2” 思维——慢速、审慎、有意识的问题求解模式。它将问题求解建模为在组合问题空间中进行搜索,用树结构表示。

4.2 ToT 的四个支柱

ToT 的具体实现需要回答四个问题:

1. 如何将中间过程分解为思维步骤?

  • 根据问题性质决定思维粒度;
  • 一个“思维”可以是一个词、一个方程,或一整段。

2. 如何从每个状态生成候选思维?

  • 采样:从 CoT 提示中独立同分布地采样;
  • 提议:用“propose prompt”顺序生成候选。

3. 如何启发式地评估状态?

  • 独立评估每个状态的价值(0-10 分);
  • 或对多个状态进行投票。

4. 使用什么搜索算法?

  • BFS(广度优先搜索) :适合树深度有限的情况;
  • DFS(深度优先搜索) :适合顺序决策链;
  • Beam Search:每层保留 top-B 节点,在质量和计算之间取得平衡。

4.3 一个直观的例子

以“Game of 24”为例(用 4 个数字通过四则运算得到 24):

1输入: 4, 9, 10, 13
2
3思维分解:
4  步骤1: 13 - 9 = 4  (剩余 4, 4, 10)
5  步骤2: 10 - 4 = 6  (剩余 4, 6)
6  步骤3: 4 * 6 = 24  (答案: 24)
7

ToT 不会只走一条路径,而是同时展开多条候选路径,评估每条路径的可行性,剪掉死路,保留最有希望的分支。

4.4 优势与局限

优势:

  • 能探索多条推理路径,质量更高;
  • 有回溯能力,不会一条路走到黑;
  • 适合需要“深思熟虑”的高价值任务。

局限:

  • 计算成本极高,需要多次生成和评估;
  • 延迟高,不适合实时场景;
  • 实现复杂度远高于 ReAct。

适用场景:需要审慎问题求解的高价值任务,如数学证明、复杂规划、创意写作等。

五、四种模式的横向对比

维度ReActPlan-and-ExecuteReflexionTree of Thoughts
核心思想推理与行动交替先规划后执行从失败中反思学习同时探索多条路径
决策粒度一步一想全局规划 + 逐步执行轮次级反思树级搜索
Token 成本低-中中(规划一次,执行多次)高(多轮迭代)极高(多次生成+评估)
延迟快中中-慢慢
迭代次数3-10取决于计划步数3-8取决于搜索深度
最低模型要求4B+中等8B+高
优势灵活、可解释全局视角、成本可控自我改进、准确率高质量最高、可回溯
局限缺乏全局规划静态规划鲁棒性差成本高、延迟大计算代价极大
最佳场景工具调用、API查询工作流、合规任务代码生成、事实问答数学、复杂规划

数据参考:ReAct 和 Reflexion 的迭代次数和模型门槛来自 Reactive Agents 的选型指南;成本对比数据来自 CLEAR 评估研究。

六、如何选型:决策树与组合策略

6.1 选型决策树

1任务是否需要与外部工具/环境频繁交互?
2├── 是 → 任务步骤是否明确、可预先规划?
3│         ├── 是 → Plan-and-Execute
4│         └── 否 → ReAct
5└── 否 → 任务是否需要极高准确性?
6          ├── 是 → 是否需要探索多条路径?
7          │         ├── 是 → Tree of Thoughts
8          │         └── 否 → Reflexion
9          └── 否 → 直接 LLM 调用或简单 CoT
10

6.2 组合策略

这四种模式不是互斥的,实际系统中经常组合使用:

ReAct + Reflexion:在 ReAct 循环结束后加入反思环节,让 Agent 从失败中学习。社区实践建议,无论用 ReAct 还是 Plan-and-Execute,都建议结合 Reflection Loop,因为它对最终输出质量至关重要。

Plan-and-Execute + ReAct:Planner 制定全局计划,Executor 内部用 ReAct 模式执行每个子任务。这是 LangChain 的默认实现方式。

Plan-and-Execute + Reflexion:在 Re-Plan 环节引入反思机制,根据执行反馈修订计划。

三层架构:Plan(全局规划)→ ReAct(逐步执行)→ Reflexion(轮次反思),适合高复杂度、高价值任务。

6.3 一个重要的工程判断

一项 2025 年的研究给出了一个值得注意的结论:ReAct 在单次成功率上可能表现更好,但在多次运行的稳定性(pass@8)上,通用 Agent 的可靠性会显著下降。ReAct-GPT4 的 pass@1 为 72.3%,但 pass@8 降至 58.3%,下降了 19.4 个百分点。

这说明:选型不能只看单次成功率,还要看可靠性。专家评估也表明,CLEAR 框架(综合效果、成本、可靠性、合规性、效率)与部署就绪度的相关性(ρ=0.83)远高于仅看效果(ρ=0.41)。

一位专家的评价很到位:“一个 70% 成功率但稳定运行的 Agent,比一个 80% 成功率但时好时坏的 Agent 更容易部署。”

七、总结

回到主线:

Agent 的决策与规划模式,决定了它“怎么想”和“怎么做”。

四种主流模式,各有其设计哲学:

模式一句话概括
ReAct边想边做,灵活应变
Plan-and-Execute先谋后动,全局规划
Reflexion吃一堑长一智,用语言做强化
Tree of Thoughts多路探索,深思熟虑

选型时记住三条原则:

  1. 任务复杂度决定模式:简单任务直接回答或单次工具调用;中等任务用 ReAct;复杂任务用 Plan-and-Execute;高价值任务考虑 Reflexion 或 ToT。
  2. 成本和延迟是硬约束:Reflexion 和 ToT 的质量更高,但成本可能是 ReAct 的数倍。要根据业务场景做权衡。
  3. 组合优于单选:Plan-and-Execute + ReAct + Reflexion 的三层架构,往往是生产环境的最优解。

下一篇,我们会深入 Agent 的记忆与工具:短期记忆、长期记忆、向量数据库、MCP、Function Calling,看看 Agent 如何“记住”和“动手”。

本文是「Agent 基本概念」系列第 3 篇。
如果你觉得有帮助,欢迎点赞、收藏、关注。
下一篇:《Agent 的记忆与工具:从上下文窗口到 MCP》


《Agent 的决策与规划:ReAct、Plan-and-Execute、Reflexion 与 Tree of Thoughts》 是转载文章,点击查看原文。


相关推荐


LLM之Agent(九十八)|DeepSeek-Harness(八)测试策略与 CI 门禁
wshzd2026/9/26

"测试通过"和"功能真的能用"之间隔着好几层容易被忽略的陷阱——mock 太多会验证不到真实链路,覆盖率只证明代码跑过、不证明行为正确,而 CI 矩阵如果全靠 YAML 手写会迅速失控成没人敢改的黑箱。DeepSeek Harness 用一套分层的 Vitest 测试体系 + 一套用 TypeScript 编写的门禁编排器( scripts/run-gates.ts)来同时压住这几个问题,本篇逐层拆开这套体系,并用 docs/testing.md 里的原文措辞讲清楚背后的测试哲学。 (


【AI大模型Harness】-Codex源码深度解读
Java后端的Ai之路2026/9/18

Codex源码深度解读:从原理到企业落地,一篇文章搞懂AI编程Agent的天花板 2026年8月19日,OpenAI正式将驱动Codex App、CLI和IDE扩展的底层执行框架——Codex Agent Harness全面开源(Apache-2.0协议)。这意味着,曾经只存在于OpenAI内部的生产级AI Agent运行时,现在任何人都可以阅读源码、二次开发、甚至嵌入到自己的企业系统中。本文将从源码层面拆解Codex的设计哲学,结合实际代码教你如何在企业项目中落地使用。


【从0开始学习计算机网络】| 邮件协议入门:SMTP、POP3、IMAP
一条泥憨鱼2026/9/10

🌈个人主页:一条泥憨鱼(欢迎各位大佬莅临) 🎬精选专栏传送门: ❄️《数据结构》 ❄️《AI与Agent那些事》 ❄️《从0开始学计算机网络》 ❄️《后端开发》 你有没有想过这么一个问题:每天上班第一件事就是打开邮箱客户端,或者掏出手机刷一下 Gmail,看到新邮件弹出来,顺手回一封。整个过程行云流水,但你有没有停下来问过——我点下"发送"按钮的那一瞬间,这封邮件到底经历了什么?它是怎么穿过网线、越过服务器,最后出现在对方手机上的? 这个问题的答案,就藏在三个缩写里:SMT


设计一个多计时任务的任务管理功能
剪刀石头布啊2026/9/2

前言 我们想写一个功能,能够不停的添加计时任务执行,且每个任务都支持自定义延迟时间做某件事件,平时我们可能直接setTimeout就完事了,有多个少个任务开启多少个setTimeout,可是这样真的行么,同时开启这么多timeout不仅仅延迟会很大,性能也会有折扣 实际上我们只使用一个setTimeout计时器,就可以实现这种多个自定义延迟时间的任务功能 实现步骤 只需要下面的步骤即可: 待办任务处理:将待办任务存放到队列中,根据延迟时间计算出最终执行时间戳,任务可有序,可无序,处理方式不同,


AI 想放弃了,人没有 -- 肘子的 Swift 周报 #150
东坡肘子2026/8/25

AI 想放弃了,人没有 最近,Linus Torvalds 在调试一个 Intel Xe GPU 驱动问题时,经历了一场被他自己称为“debug session from hell”的漫长排查。最终的修复简单得有些不可思议:把一处 round_up() 改成 round_down()。但为了找到这一行代码,他前后添加了 24 个调试 patch,启动了 18 次 kernel。其中大量繁琐工作,都是在 AI 的帮助下完成的。 这个故事最有意思的地方并不是“AI 帮 Linus 修复了 Linux


DeepSeek API涨价观察:AI行业从免费到收费的转折点
Yoyo Chen1802026/8/12

北大燕姐 · 商业观察 8月6日,DeepSeek一纸公告,AI圈炸了。 短短几行字:API服务价格将整体上调,预计涨幅较大。评论区一片哀嚎,四个字刷了屏:AI免费时代,结束了。 别慌。恰恰相反,我想说一句反话:普通人的机会,来了。 只是机会从来不会平均分配,它只给看得懂的人。这半年,北大燕姐帮企业主和内容创作者做IP定位,见过太多人:工具用得很溜,方向一塌糊涂。AI涨价这一天,恰好是一面照妖镜,照出谁在裸泳,谁早有准备。 一、先把事件捋清楚 8月1日:单日Token处理量破8万亿,


第三人称——骑马系统以及交互动画
神龙天舞20012026/8/3

第三人称——骑马系统以及交互动画 大家好,今天我们来聊一个在游戏开发里特别有“内味儿”的话题——第三人称视角下的骑马系统,以及那些让玩家觉得“哇,这马好听话”的交互动画。骑马不是简单的“把角色模型放到马背上”,它涉及到动画状态机、物理交互、摄像机跟随、甚至还有“骑手重心偏移”这种细节。这篇文章我会用最接地气的方式,把核心逻辑拆开揉碎,配上能跑的代码示例,让你看完就能上手做原型。## 一、骑马系统的核心:不是“骑上去”,而是“合体”很多新手做骑马,就是把玩家角色(Humanoid)的骨骼绑定到马(


Go Modules 包管理详解:go.mod、go.sum 与依赖管理
程序员爱钓鱼2026/7/26

Go 编程实战系列(五) 上一篇《第一个 Go 程序:Hello World》中,我们创建了第一个 Go 项目,并执行过这样一条命令: go mod init hello-go 执行完成后,项目目录中会出现一个 go.mod 文件。 很多初学者第一次看到它时可能会疑惑: go.mod 到底有什么用?Go 项目的第三方库从哪里下载?为什么有时还会出现 go.sum?go get 和 go mod tidy 又有什么区别? 这些问题都与 Go Modules 有关。 Go Modules 是现代


Alibaba买家账号运营指南:注册流程、账号养护及多账号管理实践
xiaobaihuoke2026/7/18

在跨境电商行业中,很多企业把重点放在卖家账号运营、产品推广以及广告投放上,但实际上,一个稳定、高质量的买家账号,同样是跨境运营体系中不可忽视的重要资源。 无论是进行海外市场调研、寻找供应商、分析行业趋势,还是获取产品报价,一个真实、活跃的Alibaba国际站买家号,都能够帮助企业更加深入了解市场。 然而,随着Alibaba平台风控机制不断完善,买家账号的运营已经不再是简单注册即可使用。账号注册后的行为习惯、活跃程度以及采购轨迹,都会影响账号后续的使用价值。 因此,买家号运营逐渐形成了一个完


再见Fable 5,OpenAI出手了!GPT-5.6真香~
AI袋鼠帝2026/7/10

大家好,我是袋鼠帝 我最近在疯狂使用Fable 5,好用是好用,就是太贵啦! 不过不是在Claude 官方使用的,因为我最新的一个号,在7月1号又tm被封了,服了都(已经记不清是第几个了) 天下苦A社久矣.. 所以,我最近都是在Cursor上用的Fable 5,虽然我下血本充了200$的订阅,但跑了两天Fable 5,总用量就已经超过48%了。。。 整的我都有点不敢用了,除非核心任务,其他时候我都只敢开启auto模式(自动选择模型) 就是这么憋屈。 然后今天凌晨,OpenAI终于出手了! G

首页编辑器站点地图

本站内容在 CC BY-SA 4.0 协议下发布

Copyright © 2026 聚合阅读