一、ReAct 模式
1. 全称
Reasoning + Acting（思考 + 行动），2022 年论文提出，当前应用最广泛。
2. 核心流程（循环闭环）
Thought（思考）：分析任务，决定下一步动作。Action（行动）：请求调用工具（模型只发请求，不直接执行）。Observation（观察）：获取工具执行结果，回传给模型。重复 1–3，直到可输出 Final Answer，结束流程。特点：每一步都“边想边做”，根据当前观察实时调整下一步计划
3. 实现原理
靠复杂系统提示词约束模型输出格式，包含：职责描述、示例、可用工具、注意事项、环境信息。图片引用网络内容，侵权必删
二、PlanAndExecute 模式（先规划后执行）
1. 核心思想
先做全局计划 → 分步执行 → 动态调整计划 → 输出答案，适合复杂多步任务。特点：先有完整蓝图，再按图施工
2. 组成模块
Plan 模型：生成整体执行步骤。Reply 模型：根据执行结果更新/修正计划，可与 Plan 模型共用一个。执行 Agent：跑具体步骤（常用 ReAct 模式）。主程序：调度规划、执行、重规划全流程。
3. 运行流程
-
用户提任务 → 主程序 → Plan 模型生成步骤清单。
-
执行 Agent 跑第一步 → 返回结果。
-
Replan 模型基于结果更新计划（移除已完成步骤、细化参数）。
-
重复执行 + 重规划，直到无剩余步骤，Replan 模型返回最终答案。
两者比较
| 维度 | ReAct 模式 | PlanAndExecute 模式 |
|---|---|---|
| 工作方式 | 边思考边行动，推理与行动交错进行 | 先集中规划，再集中执行，两个阶段分离 |
| 规划时机 | 动态规划，每一步都重新评估 | 静态规划，一次性生成完整计划 |
| 灵活性 | 高灵活性，可实时根据反馈调整 | 较低灵活性，计划一旦确定不易改变 |
| 执行效率 | 可能较低，因为每一步都要推理 | 较高，因为规划好后可快速执行 |
| 处理复杂性 | 适合复杂、不确定的任务 | 适合步骤明确、可预测的任务 |
| 错误处理 | 可以在错误发生时即时修正 | 错误可能累积，需要重新规划 |
| 资源消耗 | 推理成本分散，但调用次数多 | 规划阶段集中消耗，执行阶段调用少 |
| 适用场景 | 开放式探索、实时交互、动态环境 | 批处理、工作流自动化、确定性强任务 |
React工作流
用户提问：帮我预订明天下午3点从北京到上海的机票
第1轮：思考 → 需要查询航班 → 行动：调用航班查询工具 → 观察：获取航班列表
第2轮：思考 → 筛选符合时间要求的航班 → 行动：调用筛选功能 → 观察：得到候选航班
第3轮：思考 → 需要用户确认 → 行动：询问用户选择 → 观察：用户选择航班
第4轮：思考 → 需要完成预订 → 行动：调用预订工具 → 观察：预订成功
PlanAndExecute
用户提问：帮我预订明天下午3点从北京到上海的机票
【规划阶段】
规划器生成计划：
调用航班查询工具，获取明天北京-上海所有航班
筛选出下午2-4点之间的航班
向用户展示候选航班并获取选择
调用预订工具完成预订
【执行阶段】
执行器依次执行上述4步，如果某步失败，可能触发重新规划
四、两者联系
尽管工作方式不同，但两者有深层的联系：
- 都基于大语言模型的推理能力
无论是ReAct的“边想边做”，还是PlanAndExecute的“先想后做”，都依赖LLM的规划、推理和决策能力
- 都可以互相转化
ReAct模式可以看作是微观层面的PlanAndExecute：每一步的思考可以理解为对下一步的“小规划”
PlanAndExecute模式可以看作是宏观层面的ReAct：规划阶段是“思考”，执行阶段是“行动”，如果执行中发现问题，可以重新启动规划阶段（相当于ReAct的“观察-思考”循环）
- 可以混合使用
实践中，许多系统会结合两者：先用PlanAndExecute生成高层计划，然后在每个子任务内部用ReAct模式灵活执行
例如：规划器制定任务大纲，每个步骤由ReAct Agent负责执行，遇到意外时可向规划器请求重新规划
