zhuangang/topics/ai/agent-design/01-react-planning.md

id, title, type, domain, stack, tags, level, prerequisites, est_hours, related, week, order

id	title	type	domain	stack	tags	level	prerequisites	est_hours	related	week	order
ai.agent-design.react-planning	Agent 推理模式：ReAct、Plan-and-Execute、反思和 Agentic RAG	lesson	ai	agent-design	ReAct Plan-and-Execute 规划 反思 Agentic RAG 工作流 vs Agent	intermediate	ai.function-calling.tool-loop	3	ai.agent-design.context-skills-multiagent ai.langgraph.state-graph ai.agent-design.interview	10 11	1

Agent 推理模式：ReAct、Plan-and-Execute、反思和 Agentic RAG

解释说明

先问：真的需要 Agent 吗？

形态	特点	适合
单次调用	一个提示词一次输出	分类、提取、改写
工作流（Workflow）	步骤由代码固定，模型只完成其中的环节	流程明确的业务：工单分类 → 起草 → 审批
Agent	模型自己决定下一步做什么、调用什么工具、何时结束	步骤不固定、需要探索的任务：排查问题、调研、复杂查询

企业里大多数需求用工作流就够了，更可控、更便宜、更好评测。Agent 用在确实需要灵活性的地方，并且要有步数、预算、权限的边界。面试时能说出这个判断，比背模式名更重要。

常见模式

模式	做法	优点	缺点
ReAct（推理 + 行动）	循环：思考 → 调用工具 → 观察结果 → 再思考，直到给出答案	简单通用，现代工具调用 Agent 基本都是这个循环	每步都调用大模型，长任务容易跑偏
Plan-and-Execute（先规划后执行）	先生成完整计划（步骤列表），再逐步执行；失败时把错误反馈给规划器重新规划	全局视角，步骤可展示给用户确认，执行步骤可以用便宜模型	计划可能不切实际，需要重新规划机制
反思（Reflection）	生成后让模型（或另一个模型）按标准检查并修改	提升质量	成本和延迟翻倍；检查标准要明确
Agentic RAG	由 Agent 决定是否检索、改写查询、多次检索、选择数据源、检查答案是否有依据	能处理多跳、模糊问题	延迟高，必须有最大步数

规划的工程要点

• 计划用结构化输出（步骤列表：工具、参数、依赖），而不是自由文本。
• 每一步有状态（待执行 / 完成 / 失败），可展示、可恢复（用 LangGraph 检查点）。
• 失败时把具体错误反馈给规划器；设置最大重新规划次数，超过后转人工。
• 有副作用的步骤在执行前让用户确认计划。

案例

运营人员说“生成 9 月各大区销售报表并发给运营组”。Plan-and-Execute：规划出“查询销售数据 → 生成图表 → 发送”三步并展示给用户；第一次查询因为缺少月份参数失败，错误反馈给规划器后修正参数，第二次执行成功。整个过程每一步的状态都在界面上可见。

代码示例

完整可运行版本：examples/agent-patterns/patterns.py。Plan-and-Execute 核心：

def plan_and_execute(goal: str, max_replans: int = 2):
    log, feedback = [], None
    for attempt in range(max_replans + 1):
        steps = plan(goal, feedback)                 # 真实项目：大模型输出结构化计划
        for s in steps:
            s.result = TOOLS[s.tool](s.args)
            if "error" in s.result:
                s.status = "failed"
                feedback = f"{s.tool} 失败：{s.result['error']}"   # 具体错误反馈给规划器
                break
            s.status = "done"
        else:
            return steps, log                        # 全部成功
    return steps, log + ["超过最大重新规划次数，转人工"]

输出：

第 1 次规划：['query_sales', 'make_chart', 'send_report']
query_sales 失败：缺少 month 参数
第 2 次规划：['query_sales', 'make_chart', 'send_report']
最终步骤状态： [('query_sales', 'done'), ('make_chart', 'done'), ('send_report', 'done')]

易错点

• 所有需求都做成 Agent：流程固定的用工作流。
• 没有最大步数 / 最大重新规划次数，失败时无限循环、成本失控。
• 计划是自由文本，无法校验和展示。
• 反思步骤没有明确标准（“检查一下有没有问题”），模型只会说“没问题”。
• 只测最终答案，不测中间过程（工具调用序列、步数）。

面试常问

• ReAct 是什么？和 Plan-and-Execute 有什么区别？
• 工作流和 Agent 怎么选？
• Agentic RAG 和普通 RAG 的区别？