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。