Agent来了0x04：Plan & Execute 范式

前言

前面学了 Agent 中的第一个范式 ReAct。今天继续学习另一个比较常用的开发范式：Plan-and-Execute。

定义

计划与执行 (Plan-and-Execute) 范式侧重于先规划一系列的行动， 然后执行。 这个框架可以使大模型能够先综合考虑任务的多个方面， 然后按照计划进行行动。通常应用在比较复杂的项目管理中或者需要多步决策的场景。

• Plan（规划） ：Agent 接收用户指令后，并非立即行动，而是先进行“思考”，将一个模糊的、复杂的高层目标，分解成一个具体的、可线性或并行执行的步骤列表（Plan）。

• Execute（执行） ：专门的执行单元（Executor）严格地、逐步地运行规划阶段输出的步骤列表。

这种设计通常只专注于“如何做好当前这一步”，而无需再思考整体目标。规划与执行的分离，使得系统更模块化，也更容易对规划过程进行审视和优化。其实他和我们过往互联网开发中”职责分离“的设计模式不谋而合，或者可以说就是。

优势

传统 ReAct 范式每执行一步，都要 重新“思考” 下一步，由于下一步的不确定性，容易导致在长任务中迷失方向、重复操作或陷入死循环，可预测性和效率较低。而 Plan & Execute 范式：一次性完成高层策略制定，后续执行是确定性的。

• 效率更高：避免每一步的冗余“宏观思考”，尤其适合步骤已知或可推测的任务。

• 可解释性强：规划过程产生清晰的任务树，便于人类审查和调试。

• 资源分配更优：可以在规划阶段就识别出可以并行执行的步骤。

一个🌰

• Query：MiniMax 和 Deepseek 这两家公司最近的竞争动态
• ReAct：
  • 1. 搜索“MiniMax”，读几段；
  • 2. 思考，再搜索“蓝色起源”，读几段；
  • 3. 又思考，搜索“竞争”；
  • 4. 中途可能忘记比较，又回头搜索… 过程迂回、低效。
• Plan-and-Execute：

  1. 搜索并获取 MiniMax 公司的最新动态（如应用用户量、Token调用量等）。

  2. 搜索并获取 Deepseek 公司的最新动态（如最新Model发布等）。

  3. 基于前两步获取的信息，撰写一份关于两者竞争态势的分析简报。

Coding

langchain_experimental

langchain_experimental 是LangChain官方设立的“技术前沿试验田”和“功能孵化器”。主要是在保证主框架稳定、可靠的同时，能快速集成和验证社区涌现的最新想法与激进技术。

Langchain 中实现 Plan-and-Execute 范式的接口 PlanAndExecute 就是在这个模块中。

核心

Plan-and-Execute：PlanAndExecute返回对象

• Plan：planner
• Execute：executor

# 规划器
planner = load_chat_planner(llm)
# 执行器
executor = load_agent_executor(
    llm,
    tools,
    verbose=True
)
# 整体计划 Agent
agent = PlanAndExecute(
    planner=planner,
    executor=executor,
    verbose=True)

Running

# 运行代理解决实际问题
print(agent.invoke({"input": "在中国，100人民币能买几束玫瑰花？请用中文回答问题"}))

源码

github