原作：@小生凡一
ReAct (Reasoning + Acting)
ReAct 原理：把推理（Reasoning）和行动（Acting）结合在一起，交替进行。
Agent 在每一步操作之前，都会先思考（Thought），确定下一步要做什么（Action），然后观察执行结果（Observation），再进入下一轮思考。当大模型判断任务已经完成时，就直接输出最终结果。
我们用发送邮件来举个例子：
Input：用户让我帮忙发邮件给FanOne，催他尽快更新视频
Thought 1：我需要先查到我和FanOne的邮箱地址
Action 1：Search Email
Observation 1：查到我的邮箱是 A，FanOne的邮箱是 B
Thought 2：已经拿到双方邮箱，接下来要编辑邮件内容
Action 2：Edit Email
Observation 2：填好发件人、收件人、标题、正文等信息
Thought 3：邮件已经编辑完成，需要先获得用户授权
Action 3：Ask For Agree
Observation 3：用户授权同意，邮件发送成功，没有报错
Thought 4：发送任务已经完成
Output：完成，已为你发送邮件
ReAct 这种模式可以处理需要多步推理的任务，还能对结果进行修正，整体容错率比较高。但缺点是 token 消耗更大，因为中间步骤多，而且容易出现循环执行的情况。
Plan & Execute
P&E原理其实很简单：先把一个大任务，拆成一条条清晰的步骤清单，这就是Plan，再按照顺序一步步把这些步骤做完，这就是Execute。一般会涉及两个角色：Planner规划者，和Executor执行者。
举个例子你就明白了：
Input：用户发来一句，“帮我看看哪个平台买iPhone 17更便宜”
Planner：负责列出方法和步骤
2.1 步骤1：找出目前有哪些主流的电商平台
2.2 步骤2：去这些平台查一下iPhone 17的优惠价格
2.3 步骤3：对比计算，看哪个平台最便宜
Executor：负责照着步骤去执行
3.1 执行1：找出某宝、某多多、某东、某猫、某音商城、某鱼这些主流电商平台
3.2 执行2：分别查询各平台iPhone 17的价格和优惠，比如某宝X元，某东X元……
3.3 执行3：对比后得出结果：某鱼的iPhone 17最便宜
OutPut：直接告诉你结果，某鱼价格最低，然后是某多多，再是某宝……
这种模式有一个明确的Plan，能让目标更清楚，特别适合复杂、步骤固定的任务，能防止Agent跑偏。
不过也有缺点：如果一开始的计划就错了，后面执行全都会跟着错，而且很难灵活调整。
想要解决这个问题，就得加上Replanner重规划或者Evaluator评估这类角色，用来判断、修正、回滚，避免一错到底。
Multi-Agent
原理其实很简单：就是多个有着不同角色、各有专长的Agent，互相沟通配合，一起把任务完成。一般来说，会涉及到“管理者（Manager）”和“执行者（Worker）”，也可能是“对练（Debate）”这种模式。
这里咱们先说说Debate（辩论/对练），它是Multi-Agent系统里一种比较特别的协作方式，核心就是咱们常说的“真理越辩越明”，里面加入了互相对抗、互相质疑的机制。
简单说就是两个或多个Agent，针对同一个问题拿出不一样的观点，互相挑错、互相反驳，最后通过这种高强度的思维碰撞，得出一个更准、更全面的结论。
How Multi-Agent Works
给大家举个实际例子，比如用户提了个需求：“帮我写一个贪吃蛇游戏，并确保没有Bug。”
Manager：收到需求后，先把任务拆解开，然后呼叫Coder写代码，再呼叫Reviewer帮忙检查。
Coder Agent：负责编写贪吃蛇的代码，写完之后提交给Manager。
Manager：把代码转交给Reviewer。
Reviewer Agent：运行代码测试，发现蛇撞到墙之后没有死亡，就把这个问题反馈给Coder。
Coder Agent：针对这个Bug进行修复，修复完再重新提交。
Reviewer Agent：再一次测试，确认没问题了。
Manager：把最终的代码交给用户。
Example For Multi-Agent
这种设计的核心，就是专业的人做专业的事，让各个Agent发挥自己的专长，这样就能解决那些单个Agent搞不定的超复杂任务，其实就和咱们人类团队工作的流程差不多。
不过也能看出来，这种方式开发起来比较复杂，Agent之间沟通的成本也高，还有可能出现一直循环对话、没发推进的情况。
最后咱们总结一下：
ReAct：适合需要实时外部信息、或者要动态做决策，而且下一步怎么做要依赖上一步结果的任务。
用大白话讲就是走一步看一步，这一步做完了，再琢磨下一步该做啥，再去执行，全程动态调整决策。
Plan-and-Execute：任务目标很明确，步骤也清晰，适合那些流程固定、不能出错的长任务，就跟咱们平时按标准SOP执行一样。
大白话来说，就是先把要做的事列成清单，然后一步一步照着做就行。
Multi-Agent：针对的是那种特别复杂的任务，需要不同领域的专业知识，单个LLM根本搞不定的情况。
