《Agentic Design Patterns》第 17 章导读：推理技术

本文是对开源书籍《Agentic Design Patterns》第 17 章的解读与导读，内容忠实呈现原文，并附个人思考。

原书在线阅读：https://adp.xindoo.xyz/ ｜翻译项目代码仓库：https://github.com/xindoo/agentic-design-patterns

前面我们聊了规划、多智能体协作、记忆管理、学习适应......这些都是智能体的"外在能力"。但支撑这些能力的底层引擎是什么？答案是：推理（Reasoning）。

第 17 章深入探讨智能体的高级推理方法，重点是多步骤逻辑推理和复杂问题解决。这些技术让智能体的内部思考过程变得透明可见------它不再是一个"黑盒"，而是能把复杂问题拆成小问题、走一步想一步、甚至自己纠正自己。

本章内容非常丰富，我们逐一来看。

一、为什么需要高级推理？

先想一个问题：为什么 ChatGPT 刚出来时大家觉得"哇好厉害"，但用久了又发现"经常一本正经地胡说八道"？

原因很简单：单次前向传播（one-pass）的生成方式，对付简单问题绰绰有余，但遇到需要多步逻辑、需要计算、需要查证的复杂问题时，就力不从心了。

高级推理技术的核心原则是：在推理过程中分配更多的计算资源。不是用更大的模型，而是给模型更多的"思考时间"或"推理步骤"------让它迭代改进、探索多种方案、利用外部工具。

这就像人做数学题：你扫一眼直接报答案，和你打草稿、一步步算、算完再检查，正确率完全不在一个档次。

实际应用场景包括：

复杂问答：需要整合多源数据、进行多跳逻辑推理
数学问题解决：分解问题、逐步求解、用代码精确计算
代码调试和生成：解释理由、识别问题、迭代改进（自我纠正）
战略规划：推理选项和后果、根据反馈调整策略
医疗诊断：评估症状和病史、阐明推理过程、检索外部数据
法律分析：分析文件和先例、构建论点、确保逻辑一致

二、核心推理技术全景

书中介绍了 7 种核心推理技术，我们逐一拆解。

1. 思维链（Chain-of-Thought, CoT）

CoT 是最基础也是最重要的推理技术。它的思路很简单：不要让模型直接给答案，而是引导它生成一系列中间推理步骤。

就像老师教学生做数学题------"你先说说你是怎么想的？第一步是什么？第二步呢？"把复杂问题拆成一系列小步骤，每一步都想清楚了，最终答案自然就出来了。

CoT 的实现方式有两种：

少样本示例：给几个展示逐步推理的例子
零样本触发：简单地加上一句"请逐步思考"（Let's think step by step）

CoT 的价值不止于提高准确率，更重要的是透明性------你能看到模型的推理过程，方便调试和审计。这对于自主智能体来说至关重要。

2. 思维树（Tree-of-Thought, ToT）

CoT 是线性的，一条路走到黑。但很多复杂问题需要探索多个方向 ，走不通了还得回溯。

思维树（ToT）就是解决这个问题的：它允许 LLM 分支到不同的中间步骤，形成树状结构。每条路径是一个可能的解法，模型可以评估各条路径的质量，选择最优的那条。

这就像下象棋：你不会只看一步，而是会想"如果我走马，对方可能走炮；如果我走车，对方可能......"，评估多个变化后选择最优策略。

3. 自我纠正（Self-Correction）

自我纠正，也叫自我精炼，是智能体推理过程的关键一环。它涉及智能体对自己生成的内容和中间思考过程进行内部评估------哪里有歧义？哪里信息不足？哪里不准确？

通过"审查→改进"的迭代循环，智能体可以调整方法、提升响应质量、确保准确性和完整性。

书中给了一个很形象的例子：让 AI 写一篇社交媒体帖子，初稿可能很平庸，但经过自我纠正------检查是否有吸引力、是否突出了环保卖点、号召性用语够不够有力------最终产出会好很多。

4. 程序辅助语言模型（PALMs）

PALM 的思路是：LLM 擅长理解和生成，但不擅长精确计算；程序擅长精确计算，但不理解自然语言。把它们结合起来，强强联合。

具体来说，PALM 让 LLM 生成代码（比如 Python），然后执行代码，再把结果转换成自然语言。这样，复杂的计算、逻辑操作、数据处理就交给确定性的编程环境来做，LLM 专注于它擅长的理解和生成。

书中给了一个 Google ADK 的例子，用专门的 CodeAgent 配合 BuiltInCodeExecutor 来处理代码执行任务：

python 复制代码

from google.adk.agents import Agent
from google.adk.tools import google_search
from google.adk.code_executors import BuiltInCodeExecutor

coding_agent = Agent(
    model='gemini-2.0-flash',
    name='CodeAgent',
    instruction="您是代码执行专家",
    code_executor=[BuiltInCodeExecutor],
)

5. 可验证奖励强化学习（RLVR）

标准的 CoT 提示词是一种相对基础的推理方法------它生成单一的、预定的思路，无法适应问题的复杂性。

为了突破这个限制，业界开发了一类专门的"推理模型"（比如 OpenAI 的 o1、DeepMind 的 AlphaGeometry）。这些模型在给出答案之前，会花费可变量的"思考"时间，生成长达数千 token 的推理轨迹。

训练这些推理模型的关键创新就是 RLVR（Reinforcement Learning with Verifiable Rewards）：在有已知正确答案的问题上（比如数学、代码）训练模型，让它通过试错学习生成有效的长篇推理。不需要人类监督，模型自己就能知道推理对不对------因为答案是可验证的。

6. ReAct（推理与行动）

ReAct 是把 CoT 和工具使用 结合起来的范式。它的核心循环是：思考 → 行动 → 观察 → 思考 → ......

思考（Thought）：像 CoT 一样，智能体先推理下一步该做什么
行动（Action）：调用工具或执行操作（查数据库、算计算、调 API）
观察（Observation）：从环境中获得反馈

这个循环不断重复，直到达到目标。和线性 CoT 相比，ReAct 强大得多------因为智能体能够响应实时反馈，动态调整计划。

这也是我们之前讲的"工具使用模式"的底层逻辑------智能体不是瞎调用工具，而是先想清楚为什么要调用、期望得到什么结果，然后再行动。

7. 辩论链（CoD）与辩论图（GoD）

辩论链（Chain of Debates） 是微软提出的框架：多个不同的模型协作和争论来解决问题。就像一个 AI 委员会------不同模型提出初步想法，批评彼此的推理，交换反驳论点。最终目标是通过集体智慧提高准确性、减少偏见。

辩论图（Graph of Debates, GoD） 是更高级的版本：它把讨论重新构想为动态的、非线性的网络。论点是节点，"支持"或"反驳"等关系是边，反映真实辩论的多线程性质。结论不是在序列末尾达成，而是通过识别整个图中最稳健、得到最好支持的论点集群来达成。

"得到良好支持"包括三个来源：

基本事实（本质正确、广泛接受）
搜索验证的事实证据（针对外部来源验证）
多模型共识（多个模型一致同意）

三、MASS：多智能体系统搜索框架

多智能体系统的设计空间非常庞大------每个智能体的提示词怎么写？智能体之间怎么交互？用什么拓扑结构？手动调优几乎不可能。

MASS（Multi-Agent System Search）框架就是用来自动化和优化多智能体系统设计的。它采用三阶段优化策略：

阶段 1：块级提示词优化

先单独优化每个智能体的提示词，确保每个组件在集成之前就能有效执行其角色。比如"辩论者"智能体的提示词被优化为"主要出版物的专家事实核查员"。

阶段 2：工作流拓扑优化

从可自定义的设计空间中选择和安排不同的智能体交互。采用"影响加权"方法------测量每个拓扑相对于基线的性能增益，用这些分数引导搜索朝向更有前途的组合。

阶段 3：工作流级提示词优化

找到最佳拓扑后，对整个系统的提示词做全局微调，确保智能体之间的相互依赖性被优化。

研究得出的三个关键设计原则：

在组合智能体之前，先用高质量提示词优化各个智能体
通过组合有影响力的拓扑来构建多智能体系统，而不是漫无目的地搜索
通过最终的工作流级联合优化来建模和优化智能体的相互依赖性

四、深度研究与推理扩展定律

Deep Research（深度研究）

"Deep Research" 描述了一类 AI 智能体工具------它们充当不知疲倦、有条不紊的研究助手。代表平台包括 Perplexity AI、Google Gemini 研究能力、OpenAI ChatGPT 高级功能。

和标准搜索的区别：标准搜索给你即时链接，综合工作留给你自己。Deep Research 则是你给它一个复杂查询和一个"时间预算"（通常几分钟），它会自主执行一系列复杂步骤：

初始探索：根据查询运行多个有针对性的搜索
推理和改进：分析结果、综合发现、识别差距和矛盾
后续查询：基于内部推理，进行更细致的搜索来填补空白
最终综合：经过几轮迭代后，编译成连贯的结构化报告

推理扩展定律

这是一个非常重要的原则：LLM 的性能可预测地随着推理阶段分配的计算资源的增加而提高。

注意，这和"训练扩展定律"不一样------训练扩展定律说的是模型质量随训练数据和计算力增加而提高；推理扩展定律说的是在推理时多花计算资源，也能提高性能。

更有意思的是：给小模型更多的推理时间，有时候能超越用简单方法的大模型。 比如，让一个 7B 模型生成 10 个候选答案然后选最好的，可能比让一个 70B 模型直接给一个答案效果更好。

这对智能体部署的意义很大------它挑战了"越大越好"的直觉。你需要平衡三个因素：

模型大小：小模型内存和存储要求低
响应延迟：更多推理时间可能增加延迟
运营成本：大模型持续运营成本更高

理解推理扩展定律，可以帮你做出更经济、更高效的智能体设计决策。

五、实践：用 LangGraph 构建 DeepSearch

书中给了一个基于 Gemini 2.5 和 LangGraph 的 DeepSearch 实现示例。核心是一个状态图（StateGraph），包含四个节点：

python 复制代码

builder = StateGraph(OverallState, config_schema=Configuration)

## 定义节点
builder.add_node("generate_query", generate_query)
builder.add_node("web_research", web_research)
builder.add_node("reflection", reflection)
builder.add_node("finalize_answer", finalize_answer)

## 入口点
builder.add_edge(START, "generate_query")

## 生成查询后进行网络研究
builder.add_conditional_edges(
    "generate_query", continue_to_web_research, ["web_research"]
)

## 网络研究后进行反思
builder.add_edge("web_research", "reflection")

## 反思后评估：继续研究 or 输出答案
builder.add_conditional_edges(
    "reflection", evaluate_research, ["web_research", "finalize_answer"]
)

builder.add_edge("finalize_answer", END)
graph = builder.compile(name="pro-search-agent")

整个流程是：生成查询 → 网络研究 → 反思 → 评估（知识缺口是否已填补？）→ 不够就继续研究，够了就输出最终答案。

这就是一个典型的 ReAct 循环的工程化实现。

六、速览：推理设计模式

维度	说明
问题背景	复杂问题解决需要多步逻辑推理和战略规划，单轮生成难以应对
解决方案	一套结构化推理技术：CoT、ToT、自我纠正、ReAct、PALM 等，让智能体的思考过程透明可审计
实践建议	当问题过于复杂、需要分解/多步逻辑/外部工具交互/战略规划时使用

七、关键要点总结

推理透明化：通过使推理明确，智能体可以制定透明的多步骤计划，这是自主行动和用户信任的基础
ReAct 是核心循环：思考→行动→观察的循环，让智能体超越单纯推理，能够动态适应环境
推理扩展定律：性能不只关乎模型大小，更关乎分配的"思考时间"------更多计算 = 更审慎 = 更高质量
CoT 是基础：思维链作为智能体的内部独白，提供了将复杂目标分解为可管理行动的结构化方法
ToT 和自我纠正：赋予智能体审议能力------评估多个策略、从错误中回溯、在执行前改进计划
协作推理：CoD/GoD 等框架标志着从单独智能体到多智能体系统的转变，团队共同推理以减少个体偏见
Deep Research 是集大成者：展示了推理技术如何在智能体中达到高潮------完全自主地执行复杂的长期任务
MASS 自动化优化：自动优化智能体的指令和交互方式，确保整个多智能体系统最优执行

我的思考

推理技术是智能体 AI 的"内功"。没有好的推理能力，规划、协作、工具使用都是空中楼阁。

这一章让我印象最深的是推理扩展定律------它打破了"模型越大越好"的迷思。很多时候，给模型更多的思考时间、更好的推理策略，比盲目上大模型更划算。这对于实际工程部署非常有指导意义。

另外，从 CoT 到 ToT 到 ReAct 到 CoD/GoD，我们能看到一条清晰的演进路径：从线性思考 → 树状探索 → 结合行动 → 群体辩论。推理的复杂度在不断提升，解决问题的能力也在不断增强。

下一章我们将聊第 19 章------评估和监控。智能体推理再强，如果不知道它表现好不好、有没有跑偏，也不敢在生产环境用。敬请关注！