做 AI Agent 的时候，到底该让 AI"先想再做"，还是"边想边做"？
这个问题，是每一个做 Agent 系统的人都要过的坎。
我最近看到一份架构决策记录，讲的就是这个------为什么选 ReAct 模式，而不是 Plan-and-Execute。
答案其实很简单：因为用户不会按你的计划来。
Plan-and-Execute 的思路是什么？先定一个计划，然后按步骤执行。听起来很合理，对吧？
但在企业客服场景里，你很快就会发现问题：用户上一秒还在查订单，下一秒就变成要退款了。计划写好了，意图变了------整个计划白做。
ReAct 不一样。它是"思考→行动→观察→再思考"的循环。每一次行动之后，它都看一眼结果，再决定下一步怎么走。计划不是在开始定死的，而是在执行中动态生成的。
而且数据也很说明问题：
纯 Plan-and-Execute，平均响应 8 秒。ReAct 呢？3.2 秒。 任务完成率呢？从 78% 提到 91%。
为什么？因为 Plan-and-Execute 只要中间一步失败，整个计划就要重来。ReAct 随时可以调整方向，容错性高得多。
当然，作者也没走极端。他的方案是"ReAct 为主，Plan 为辅"------
简单的、单步的任务：直接让 ReAct 跑一次循环。 复杂的、多步骤的任务：先让 AI 生成一个粗粒度计划，每个步骤内部再用 ReAct 来灵活执行。