Agent Planning 与任务分解

Agent Planning 解决的是“目标给出来以后，系统怎样决定下一步”的问题。它不是让模型自由发挥，而是在目标、状态、工具和停止条件之间做受控判断。

如果没有约束，Planning 很容易变成一串看起来合理、实际无法执行的步骤。

规划什么时候有价值

规划适合这些任务：

• 目标明确，但步骤不固定。
• 需要先查资料再行动。
• 中间结果会改变下一步。
• 可能需要工具调用、追问或停止。

如果步骤本来固定，Workflow 往往更稳。

ReAct 在解决什么

ReAct 的核心思路是让模型在推理和行动之间循环：

思考当前目标
选择动作
观察结果
更新判断
继续或结束

它的价值不在格式，而在让每一步都能被观察和记录。

规划必须有停止条件

没有停止条件的 Agent 会反复尝试、浪费成本，甚至不断扩大错误。常见停止条件包括：

• 目标已经完成。
• 缺少必要信息。
• 工具失败达到上限。
• 动作风险需要人工确认。

规划能力越强，停止条件越重要。

一句话先记住

Agent Planning 的价值不是把计划写长，而是让下一步判断可执行、可观察、可停止。

继续阅读

• 08-ai-workflow/002-workflow-vs-agent.md
• 07-langchain-langgraph/004-langgraph-state.md