今天来了解下ReAct,Plan-and-Execute以及他俩的混合模式，先问个问题，各位上班时候是怎么做需求的

是这样？

1. 先把项目跑起来
2. 找到相关代码
3. 先改一处，改完再跑跑试试
4. 发现有地方漏了，补了继续跑跑
5. 发现UI还没调，对着稿子改一遍
6. 再跑一下，没问题了，提测

还是这样？

1. 先梳理一下这个需求要改哪些地方，写个规划
2. 列个顺序，先改数据结构，再改接口，然后写视图逻辑，最后改ui
3. 改完自测一遍，有问题改，没问题提测

上述两种工作状态，在AI Agent里面就对应着两种模式，前者是ReAct,后者是Plan-and-Execute

到底啥是ReAct

ReAct其实就是Reasoning(推理) + Acting(行动循环)，它的核心理念就一句话：边想边干，边干边想

上面就是ReAct的工作方式，流程有点像我们出门旅游

1. 观察： "咦！这个巷子看起来挺有意思"
2. 思考： "反正也没特定目的地，钻进去看看"
3. 行动： 拐进小巷
4. 观察： "哇里面有家排队很长的店"
5. 思考： "这么多人排肯定好吃，去凑个热闹"
6. 行动： 跟着排队买了份小吃
7. 观察： "确实好吃！老板说前面还有个古玩市场"
8. 思考： "那顺道去看看"
9. 行动： 往古玩市场走...

这就是ReAct —— 每一步都基于当前最新情况做决策，没有预设的完整行程，主打一个"随遇而安"，玩得开心但可能错过原定的大景点，也可能因为在小巷里钻太久导致天黑了才想起来还没去博物馆

代码里的ReAct

Plan-and-Execute 又是啥？

Plan-and-Execute字面意思就很清楚先计划，再执行。，对应流程图长下面这样

同样的用生活中的例子去理解Plan-and-Execute的工作方式的话，可以想象一下装修房子的场景，一般装修前我们都会

1. 理解需求： 知道最终目的是啥，我们需要啥，比如"我要装一个三室一厅，现代简约风"
2. 拆解任务： 把任务拆分成若干个小步骤，比如水电改造->贴砖->吊顶->刷墙->装柜子->软装
3. 规划顺序： 要知道做事情的优先级，比如必须先水电然后再贴砖，顺序不能弄反
4. 分配资源： 分工明确，水电工3天，瓦工5天，油漆工2天
5. 执行： 按部就班一个个来
6. 中间可能调整： 可能某些环节出现问题后需要重新改方案，比如瓷砖没货了

Plan-and-Execute的核心思想是不是不改，而是把大部分精力花在规划上，执行的时候尽量少重来

代码里的 Plan-and-Execute

核心区对比

深度对比 — 用实例说话

场景一：查天气+订餐厅+发通知

ReAct 的玩法

Plan-and-Execute 的玩法

场景二：调试一个莫名其妙的Bug

ReAct 的玩法

Plan-and-Execute 的玩法

场景三：写一篇万字深度文章

ReAct 的玩法

Plan-and-Execute的玩法

各自的优缺点

混合模式（Hybrid Approach）

目前比较先进的Agent系统，都不会单独使用上述两个模式，如 LangGraph、AutoGPT用的是Plan-and-Execute + ReAct的混合模式，其流程如下所示

现实中的例子：AutoGen + LangGraph

微软的AutoGen和LangChain的 LangGraph 就是典型的混合模式：

• 高层： 一个 Planner Agent 负责分解任务、生成 DAG（有向无环图）
• 中层： 一个 Dispatcher 负责任务调度、依赖管理
• 底层： 每个 Worker Agent 内部用 ReAct 执行具体任务

这套组合拳就像先画好作战地图（Plan），然后派侦察兵灵活执行（ReAct），遇到意料之外的敌人就更新地图,既有战略又有战术

最后总结

最后给每个模式来个比喻

• ReAct： 像追女生，走一步看一步，灵活应变，不行就换路子
• Plan-and-Execute： 像结婚，先认真规划，然后按计划执行，中间可能会调整但大方向不变
• 混合模式：像经营婚姻，有长远规划，但也懂得在情人节临时买束花