任务分解的经典范式 · 和 ReAct「走一步看一步」到底差在哪

面试聊 Agent,绕不开一个问题:「给你一个复杂任务,你的 Agent 怎么把它拆开做?」 如果只答「用 ReAct 边想边做」,面试官往往会追一句:「任务步骤很多、还想省 token 时,你会怎么改?」 这时候能不能说清 Plan-and-Execute,基本就是初级和中高级的分水岭。这篇把它讲透,并和 ReAct 摆在一起对比。

核心思想:规划和执行,分成两个阶段

Plan-and-Execute(先规划后执行)的做法非常直白,一句话概括就是:先让模型一次性产出一份完整计划(一个有序的子任务列表),再拿着这份计划逐个执行下去。它把 Agent 的工作显式地切成两个角色:

  • Planner(规划器) :接到用户目标后,通盘思考,输出一个分好步骤的子任务列表,比如「1. 查 A 城天气 → 2. 查 B 城天气 → 3. 对比两地温度 → 4. 汇总成建议」;
  • Executor(执行器) :不再重新思考大局,只负责照单执行------按顺序把每个子任务交给工具或子模型完成,拿到结果填回去。

关键在于:整体计划在开工前就已经定好了。执行阶段基本是「照本宣科」,不需要每走一步都重新调用大模型去想「下一步该干嘛」。

对照组:ReAct 是「走一步看一步」

要理解 Plan-and-Execute 的价值,得先看它想改进谁------ReAct(Reason + Act)。ReAct 的节奏是一个不断循环的小步子:

ini 复制代码
# ReAct:每一步都重新想一次
loop:
    thought  = LLM(观察历史)     # 想:现在该干嘛
    action   = 选一个工具去调用   # 做:执行这一步
    observation = 工具返回结果     # 看:拿到反馈
    if 任务完成: break            # 没完成就带着新观察再想一轮

ReAct 没有「全局计划」这回事,它每走一步都要把全部历史喂回大模型、重新推理下一步 。好处是极其灵活------上一步的结果不对,下一步立刻能改方向;坏处是它视野短、话痨、贵:每一步一次 LLM 调用,历史越滚越长,token 蹭蹭涨,还容易在中途「想偏」绕远路。

Plan-and-Execute 则相反,把「想」集中到开头一次做完:

ini 复制代码
# Plan-and-Execute:先想全,再照做
plan = Planner(目标)             # 一次性产出完整子任务列表
for step in plan:               # 逐个执行,通常不再调大模型规划
    result = Executor(step)
    results.append(result)
answer = 汇总(results)

为什么先规划反而更好:全局视野 + 省 token

把规划提前,带来两个实打实的好处:

  • 全局视野,减少绕路:Planner 在动手前就纵览了整个任务,能安排合理的步骤顺序、避免 ReAct 那种「走到一半发现方向错了」的短视问题。步骤之间的依赖关系也看得更清楚。
  • 省 token、更快 :规划只用一次(可能用贵的大模型),执行阶段每步不必再把完整历史反复喂给大模型重新推理------很多实现里执行器用更小/更便宜的模型甚至纯工具调用即可。相比 ReAct 每步一次昂贵 LLM 推理,整体调用次数和上下文长度都显著下降。

一句记忆点:ReAct 把「思考」摊到每一步,所以灵活但费;Plan-and-Execute 把「思考」压到开头一次,所以省且稳,代价是计划一旦定死就不够随机应变。

代价:计划僵硬,遇到意外不会转弯

Plan-and-Execute 最大的软肋,正来自它的优点------计划是一次性定死的。一旦执行中出现规划时没预料到的情况,纯粹的「照单执行」就会翻车:

  • 某一步工具报错、返回空结果,后续步骤却还在按原计划硬跑;
  • 第 2 步拿到的信息本该改变第 4 步的做法,但计划早已写死,执行器不会自主调整;
  • 任务本身信息不全,开头根本无法制定出正确的完整计划。

工程上的常见补救是引入 Re-planning(重规划) :执行完一批步骤后回看结果,让 Planner 判断是否需要修改剩余计划------这其实就是 LangChain 的 Plan-and-Execute 与后续 LLMCompiler、ReWOO 等变体在做的事,本质是在「纯规划」和「纯 ReAct」之间找平衡。

Plan-and-Execute vs. ReAct 对比表

维度 Plan-and-Execute(先规划后执行) ReAct(走一步看一步)
节奏 先一次性出完整计划,再逐个执行 思考→行动→观察,循环往复
规划时机 开工前集中规划一次 每一步临时决定下一步
视野 全局视野,步骤统筹 局部短视,易绕路
LLM 调用 / token 少,执行阶段可省推理 多,每步一次、历史累积
灵活性 / 纠错 计划僵硬,需靠重规划补救 高,随时可改方向
擅长场景 步骤清晰、可提前拆解的多步任务 探索性强、结果高度不确定的任务

一句话总结

Plan-and-Execute 把 Agent 拆成「先出完整子任务清单的 Planner + 照单执行的 Executor」,用开头一次全局规划 换来更好的统筹和更省的 token;ReAct 则「走一步看一步」,灵活但话痨。前者胜在稳和省、输在计划僵硬,实战里常靠重规划把两者的长处缝在一起。

相关推荐
deli0071 小时前
32K 上下文塞满后,AI 最先忘掉什么?120 轮对话实测
前端
deli0072 小时前
手机拍灯为什么有一条条黑纹?PWM 240Hz 实测
前端
wangruofeng7 小时前
AI Models 1.1.0 发布,查大模型价格、对比模型和找 API 地址
前端·aigc·ai编程
wangruofeng7 小时前
给前端开发者的 100 个设计参考网站
前端·设计
星栈10 小时前
视频即代码,Remotion 能做什么、不能做什么
前端·音视频开发
广州华水科技10 小时前
单北斗GNSS位移监测系统的应用与技术解析
前端
用户479492835691510 小时前
从一句话或代码仓到可交互 HTML:开源 Agent 画图技能 Archify v3.2 实测与选型边界
前端·后端·面试
风骏时光牛马13 小时前
生成一个AI多模态标题,仅输出一条标题,无额外文字、问句、备选、配图、文案等任何附加内容,不需要其他的任务服务 只要标题。
前端
wangruofeng13 小时前
从 GIF 到 AVIF:网页图片格式演进与 2026 年选型指南
前端·架构
清晨Coding14 小时前
为什么用 React Developer Tools 查看组件树这么乱?
前端·react.js