真题拆解 05：ReAct 还是 Plan-and-Execute——规划范式怎么选

真题拆解 05：ReAct 还是 Plan-and-Execute------规划范式怎么选

这是「真题拆解」系列的第五篇。前四篇拆的都是"怎么把 Agent 跑稳"，这篇问的是架构层面的一题 ：你的 Agent 用的是什么规划范式，为什么？正片第 2 篇手写过一个最小 ReAct，第 8 篇提过 Plan-Execute------这篇把它们单独拎出来正面比较。这是 Agent 架构里最高频的概念对比题，2026 年大厂校招几乎必问：因为它考的不是"背两个概念"，是"你会不会在真实场景里做权衡"。

问题还原

你讲完自己的 Agent 方案，有人问了一句：

"你用的是 ReAct 还是 Plan-and-Execute？为什么用这个不用另一个？"

很多人第一反应是"ReAct 啊，最经典"。但如果追问一句"你这个场景用 ReAct 真的合适吗？换成 Plan-and-Execute 会不会更好？"，答不上来了------因为从没想过"什么时候该换"。

为什么难答

难在这是对比题 ：不是问"ReAct 是什么"（背定义就能过），而是问"为什么是这个不是那个"（要讲权衡逻辑）。而且两个概念不是非此即彼------生产里大量 Agent 是两者混用的。只背定义、不讲判断标准，一问就露馅。

浅答案 vs 深答案的差距：

	浅答案：ReAct 最经典	深答案：按任务性质选范式
ReAct 是什么	背定义	知道它的强弱项（局部最优、绕圈、贵）
Plan 是什么	只知道名字	知道它强在全局规划、弱在计划可能错
判断标准	无	路径可枚举性 + 中间反馈依赖
生产形态	二选一	混合：粗规划 + 局部 ReAct

知识点拆解：这题背后是 3 个知识点

ReAct 的机制与代价------边想边做的优点和三个软肋
Plan-and-Execute 的机制与代价------先规划后执行的优点和致命弱点
选型判断标准------什么任务用哪种，以及为什么生产主流是混合

逐个拆开。

深度答案：按"路径能不能预先枚举"来选

先看清两种范式的机制

ReAct（Reason + Act）：循环地"思考 → 行动 → 观察 → 再思考"，每一步根据当前结果决定下一步。

python 复制代码

# ReAct：每一步都重新决策
while not done:
    thought = model.think(context)      # 思考：根据当前观察决定下一步
    action = execute(thought.action)    # 行动：调工具
    context += observation(action)      # 观察：把结果拼回上下文

Plan-and-Execute：先让模型一次性输出完整计划（步骤列表），再逐步执行，执行中发现问题才重新规划（replan）。

python 复制代码

# Plan-and-Execute：先出计划，再执行
plan = model.plan(task)                # 先整体规划：第1步查航班，第2步订票，第3步确认
for step in plan:
    result = execute(step)
    if not step_ok(result):
        plan = model.plan(task, feedback)   # 只有失败才重新规划

再对比它们的代价

维度	ReAct	Plan-and-Execute
决策时机	每步都决策	计划阶段决策一次
路径可枚举	不需要	需要（计划才有意义）
强依赖中间反馈	天生适应	弱（计划超前于反馈）
调用次数	多（每步一次推理）	少（计划一次 + 执行）
延迟	高（多轮往返）	低
token 成本	高（每步都带全量上下文）	相对低
失败恢复	天然灵活（随时改道）	靠 replan（晚了半步）
致命弱点	局部最优、绕圈子、贵	计划错则全错，且察觉晚

判断标准：一句话

任务路径能不能预先枚举？强依赖中间反馈 → ReAct；路径基本确定 → Plan-and-Execute。

查资料类 （"对比三款大模型的 API 价格"）：下一步取决于上一步查到什么 → ReAct
流程固定类 （"订机票：查航班→选座→支付→出票"）：步骤早就知道 → Plan-and-Execute（更省更稳）
边界模糊类 （"帮我安排周末行程"）：路径未知、反馈强依赖 → ReAct

但生产主流其实是混合

真实系统很少纯用一种。最实用的形态是**"粗粒度规划 + 局部 ReAct"**：

外层用 Plan-and-Execute：模型先把大目标拆成几个阶段（"先查资料，再定方案，最后写报告"）
每个阶段内部用 ReAct：阶段内部细节未知，让 Agent 边做边探索

#mermaid-svg-ZkCOrCKXHVRLIe7z{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-ZkCOrCKXHVRLIe7z .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-ZkCOrCKXHVRLIe7z .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-ZkCOrCKXHVRLIe7z .error-icon{fill:#552222;}#mermaid-svg-ZkCOrCKXHVRLIe7z .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-ZkCOrCKXHVRLIe7z .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-ZkCOrCKXHVRLIe7z .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-ZkCOrCKXHVRLIe7z .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-ZkCOrCKXHVRLIe7z .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-ZkCOrCKXHVRLIe7z .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-ZkCOrCKXHVRLIe7z .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-ZkCOrCKXHVRLIe7z .marker{fill:#333333;stroke:#333333;}#mermaid-svg-ZkCOrCKXHVRLIe7z .marker.cross{stroke:#333333;}#mermaid-svg-ZkCOrCKXHVRLIe7z svg{font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-ZkCOrCKXHVRLIe7z p{margin:0;}#mermaid-svg-ZkCOrCKXHVRLIe7z .label{font-family:"trebuchet ms",verdana,arial,sans-serif;color:#333;}#mermaid-svg-ZkCOrCKXHVRLIe7z .cluster-label text{fill:#333;}#mermaid-svg-ZkCOrCKXHVRLIe7z .cluster-label span{color:#333;}#mermaid-svg-ZkCOrCKXHVRLIe7z .cluster-label span p{background-color:transparent;}#mermaid-svg-ZkCOrCKXHVRLIe7z .label text,#mermaid-svg-ZkCOrCKXHVRLIe7z span{fill:#333;color:#333;}#mermaid-svg-ZkCOrCKXHVRLIe7z .node rect,#mermaid-svg-ZkCOrCKXHVRLIe7z .node circle,#mermaid-svg-ZkCOrCKXHVRLIe7z .node ellipse,#mermaid-svg-ZkCOrCKXHVRLIe7z .node polygon,#mermaid-svg-ZkCOrCKXHVRLIe7z .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-ZkCOrCKXHVRLIe7z .rough-node .label text,#mermaid-svg-ZkCOrCKXHVRLIe7z .node .label text,#mermaid-svg-ZkCOrCKXHVRLIe7z .image-shape .label,#mermaid-svg-ZkCOrCKXHVRLIe7z .icon-shape .label{text-anchor:middle;}#mermaid-svg-ZkCOrCKXHVRLIe7z .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-ZkCOrCKXHVRLIe7z .rough-node .label,#mermaid-svg-ZkCOrCKXHVRLIe7z .node .label,#mermaid-svg-ZkCOrCKXHVRLIe7z .image-shape .label,#mermaid-svg-ZkCOrCKXHVRLIe7z .icon-shape .label{text-align:center;}#mermaid-svg-ZkCOrCKXHVRLIe7z .node.clickable{cursor:pointer;}#mermaid-svg-ZkCOrCKXHVRLIe7z .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-ZkCOrCKXHVRLIe7z .arrowheadPath{fill:#333333;}#mermaid-svg-ZkCOrCKXHVRLIe7z .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-ZkCOrCKXHVRLIe7z .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-ZkCOrCKXHVRLIe7z .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-ZkCOrCKXHVRLIe7z .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-ZkCOrCKXHVRLIe7z .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-ZkCOrCKXHVRLIe7z .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-ZkCOrCKXHVRLIe7z .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-ZkCOrCKXHVRLIe7z .cluster text{fill:#333;}#mermaid-svg-ZkCOrCKXHVRLIe7z .cluster span{color:#333;}#mermaid-svg-ZkCOrCKXHVRLIe7z div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-ZkCOrCKXHVRLIe7z .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-ZkCOrCKXHVRLIe7z rect.text{fill:none;stroke-width:0;}#mermaid-svg-ZkCOrCKXHVRLIe7z .icon-shape,#mermaid-svg-ZkCOrCKXHVRLIe7z .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-ZkCOrCKXHVRLIe7z .icon-shape p,#mermaid-svg-ZkCOrCKXHVRLIe7z .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-ZkCOrCKXHVRLIe7z .icon-shape .label rect,#mermaid-svg-ZkCOrCKXHVRLIe7z .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-ZkCOrCKXHVRLIe7z .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-ZkCOrCKXHVRLIe7z .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-ZkCOrCKXHVRLIe7z :root{--mermaid-font-family:"trebuchet ms",verdana,arial,sans-serif;} 否
是
否
是
否
是
大任务
Plan: 拆成阶段
阶段1 内部 ReAct 探索
阶段1 完成
阶段2 内部 ReAct
全部完成
计划需要修正
replan 重新规划
完成

为什么混用？因为纯 Plan 怕"计划外的意外"，纯 ReAct 怕"没有全局目标的乱撞"------混合让计划提供方向、ReAct 处理细节，两边的软肋互相补掉。这就是生产里最常看到的 Agent 形态。

知识联动：这道题串起了整个系列

知识点	串起的系列篇目	关联
ReAct 循环	第 2 篇手写 ReAct	那 50 行就是最朴素的 ReAct
多 Agent 编排	第 8 篇编排与多 Agent	任务分解 = Plan，执行细节 = ReAct
死循环防护	真题 01	ReAct 的绕圈子是死循环根因之一，靠熔断兜底
上下文成本	第 4 篇上下文管理	ReAct 每步带全量上下文，是 token 大户

这道题之所以高频，是因为它把架构选择、成本、延迟、容错全串在了一个判断里------答的时候能一路延伸到"为什么生产用混合"，说明你是真做过权衡，不是背概念。

追问链：更进一步的提问

追问 1："Plan 的计划错了怎么办？"

→ 靠 replan：执行中发现步骤失败或结果不符合预期，就带着反馈重新规划。但要承认 replan 是"事后补救"------计划错得越晚，浪费越多。所以 Plan 适合"大方向稳定、细节允许偏差"的任务，方向都可能错的场景不要用 Plan。

追问 2："ReAct 为什么 token 消耗大？"

→ 每步思考都要把"原始任务 + 全部历史观察"重新发给模型，轮数越多上下文越长，成本随轮数二次增长。Plan-and-Execute 执行阶段步骤独立，上下文可以裁剪。这也是为什么"省成本"常常是选 Plan 的理由。

追问 3："什么时候 Plan 反而不省？"

→ 路径太动态时，计划很快失效，反复 replan 比直接 ReAct 还贵------"计划了个寂寞"。判断标准回到原点：路径能枚举才值得规划。

追问 4："混合范式里 replan 的触发条件是什么？"

→ 常见三种：步骤执行失败 （工具报错）、结果偏离预期 （校验不通过）、进度停滞（连续 N 步无推进，联动真题 01 的无进展检测）。触发后重新规划整个阶段，而不是只改下一步------不然会陷入局部打补丁。

总结：一句话记住它

路径能枚举用 Plan（省、稳），路径未知强依赖反馈用 ReAct（活、贵）；而生产主流是"粗规划 + 局部 ReAct"------计划给方向，ReAct 处理细节，两边的软肋互相补掉。