# 自主Agent规划内核五范式实测 ## 概述 把2026年市面上的自主智能体拆到底，差异化全不在"调用了什么工具"或"挂在哪个框架"上，而在那层决定**下一步该干什么、什么时候该停下来重新想**的规划内核。一个用 ReAct 单环、一个用 Plan-and-Execute、一个上 LATS 树搜索，同样的模型、同样的工具集，最终成功率能差两到三倍，单任务成本能差一个数量级。本轮聚焦自主智能体的实战与工具，但刻意绕开已被反复评测的框架横评与工具调用基准，转而钻进智能体的"大脑皮层"——规划范式本身。ReAct、Plan-and-Execute、ReWOO/LLMCompiler、Reflexion/Self-Refine、Tree-of-Thoughts、LATS 六大范式的算力账本、逃逸路径与生产装配方式，是这一轮的核心议题。 ## 规划范式多维对比 | 维度 | ReAct | Plan-and-Execute | ReWOO / LLMCompiler | Reflexion / Self-Refine | Tree-of-Thoughts | LATS（MCTS） | |------|-------|------------------|---------------------|------------------------|------------------|--------------| | 核心机制 | 思考-行动交错单环 | 先规划全步骤再执行 | 解耦规划/并行执行DAG | 失败后自我批评重试 | 树状多路径搜索回溯 | MCTS+UCB探索利用 | | 规划深度 | 无前瞻、逐步 | 一次性全局规划 | 一次性+并行调度 | 无规划、靠反思纠偏 | 多分支前看 | 滚动多步前看 | | LLM调用规模 | 每步1次，调用多 | 规划1次+执行N次 | 规划1+并行批量 | 成倍放大（每轮额外批评） | 指数级膨胀 | 最重，百次级rollout | | 端到端延迟 | 中高（串行） | 低（规划后流水） | 低（并行折叠） | 高（多轮串行） | 极高 | 极高 | | 成本曲线 | 线性，易失控 | 可用廉价模型压执行段 | 显著下降 | 成本最高/收益不确定 | 极陡 | 极陡，需预算封顶 | | 适合任务 | 工具调用、轻决策 | 编码、多步确定性任务 | 独立子任务多的研究/检索 | 有可验证反馈的求解 | 数学、逻辑、谜题 | 复杂决策、需要回溯的探索 | | 生产成熟度 | 最成熟、事实标准 | 2026生产主流 | 渐进采用 | 选择性叠加 | 实验为主 | 实验/离线为主 | ## 一、ReAct：单环推理的统治地位与天花板 ReAct（Reason+Act）是所有自主智能体规划内核的"原语"，几乎所有框架——LangGraph、OpenAI Agents SDK、CrewAI——默认跑的都是 ReAct 循环：模型输出一段思考，紧接着一个工具调用，把观察结果塞回上下文，再输出下一段思考。它的统治力来自三个特征：实现极简（一个 while 循环+一个工具派发器）、反馈环路最紧（每一步都能立刻看到环境响应）、对模型要求最低（不需要长程规划能力，只要会"想一步做一步"）。 但 ReAct 的天花板同样清晰。第一是**无前瞻**：模型永远只看到当前状态，没有全局计划，遇到分叉只能赌一把，赌错就要靠后续步骤补救，这正是自主编码任务里"改了A、坏了B、再修B、又坏了C"的根源。第二是**上下文二次方膨胀**：每一步的思考、工具调用、工具返回全都要追加进上下文，长任务下 token 成本近似二次方增长，10 步之后单次推理的输入 token 可能是第1步的数倍。第三是**循环陷阱**：模型在没有显式终止条件时会反复"重新规划同一个子任务"，业内已多次出现一夜烧掉数百美元的真实事故。ReAct 的工程意义在于它是**基线与兜底**：任何更复杂的范式，失败时都应该能优雅退化回一个带最大迭代数护栏的 ReAct 循环。 ## 二、Plan-and-Execute：先规划后执行的成本革命与重规划陷阱 2026年生产环境最大的范式迁移，是从 ReAct 转向 Plan-and-Execute。LangChain 在其官方 Planning Agents 博客中明确将其定位为"更快、更便宜、更高性能"的替代方案。核心拆分是：一个**规划器**（通常用强模型，如 Opus/GPT-Pro 级）一次性产出完整的多步骤计划，一个**执行器**（通常用廉价模型，如 Haiku/Mini 级）逐条执行。这个拆分带来的收益是结构性的：规划只调一次昂贵模型，执行段全部下沉到廉价模型，整体成本可以比纯 ReAct 低一个数量级，而延迟因为执行段可以流水线化也显著下降。 ```python # Plan-and-Execute 的骨架：强模型规划，弱模型执行 plan = planner.invoke({"task": user_goal}) # 1次昂贵调用，产出 N 步 for step in plan.steps: result = executor.invoke(step) # N次廉价调用 if executor.detects_blocker(result, step): plan = planner.replan(plan, state=result) # 重规划，这是危险点 ``` 但 Plan-and-Execute 有一个被严重低估的失败模式：**重规划无限循环**。当执行器报告某步受阻，规划器被触发重新规划，如果新计划的第一步又触发同一个阻塞条件，就进入"规划-执行-受阻-再规划"的死循环。Holysheep 在 2026 年的实测复盘里记录过一个典型案例——智能体在12分钟内烧掉 340 美元，原因正是无限重规划同一个子任务。规避方法有三：硬性的重规划次数上限（如最多重规划3次后强制退化到 ReAct 单步或直接报错）、重规划去重（检测连续两次规划是否结构等价）、以及把"不可达成"作为显式终止信号写进规划器提示词。Plan-and-Execute 适合**步骤相对确定、可并行性低、对延迟敏感**的场景，自主编码助手（Cursor、Cline 类）在 2026 年普遍采用它作为外层循环。 ## 三、ReWOO 与 LLMCompiler：把 LLM 调用数砍下来的解耦派 如果说 Plan-and-Execute 是"换便宜模型"，ReWOO 和 LLMCompiler 则是"减少调用次数"。ReWOO（Reasoning Without Observation）的核心洞察是：很多任务的工具调用之间**没有数据依赖**，但 ReAct 强制串行（因为每一步都等上一步观察），纯属浪费。ReWOO 让模型一次性把所有推理步骤和工具调用全写出来（包括填充变量），然后用一个独立的求解器在拿到全部观察后合成最终答案。结果是 LLM 调用从 ReAct 的"每步一次"压缩到"规划1次+合成1次"，调用数锐减。 LLMCompiler 走得更远，它把 Agent 任务**编译成一张 DAG**，自动识别哪些工具调用互相独立、可以并行，然后用一个调度器并发执行所有无依赖边，只在有数据依赖的地方同步。对于"查5家公司财报再综合分析"这类天然并行的任务，DAG 并行能把端到端延迟从5次串行往返压到接近1次。两者共同的生产价值是**成本与延迟的下限优化**：在不牺牲（甚至提升）准确率的前提下，把算力账单和等待时间同时压低。它们的局限是**要求任务结构可静态推断**——如果第3步的工具选择依赖第2步的返回内容，DAG 在编译期就无法确定依赖图，必须退化回串行。因此 ReWOO/LLMCompiler 最适合**信息检索聚合、批量数据分析、多源比对**这类"扇出-汇总"型自主任务，而不是强序列依赖的编码或操作类任务。 ## 四、Reflexion 与 Self-Refine：用失败换成功的反思闭环 前三种范式都是"向前"规划，Reflexion 和 Self-Refine 引入了"向后"的维度——**让智能体从自己的失败中学习**。Self-Refine 是单轮内的自我批评：模型先生成一个答案，再以"批评者"身份指出缺陷，再据此修订，循环若干轮直到自评通过。Reflexion 是跨轮次的：智能体完成任务后，把失败轨迹连同一段自然语言的"教训反思"存下来，下一轮重试时把这段反思注入提示词，相当于一种**无权重更新的情境学习**。 反思范式的魅力在于它对**有客观反馈信号的任务**效果显著——代码能跑过测试、数学答案能验证、SQL 能查到结果——因为"失败"是可判定的，反思有锚点。多项复盘显示，在有验证器的编码与数学任务上，加入 Reflexion 能把成功率提升一截，代价是每次失败都要额外付出一轮"批评+重做"的算力。它的两个陷阱也很明确：一是**没有客观反馈时自我批评会失真**，模型容易陷入"自我吹捧"——批评不出真问题，于是反复修改无关细节，成本成倍放大却收益为零；二是**反思轮数必须封顶**，否则智能体会"反复打磨"永不停歇。生产落地时，反思范式几乎从不单独使用，而是作为**Plan-and-Execute 或 ReAct 的质量增强层**叠加：执行器跑完一轮，由一个验证器判定成败，失败才触发一次受控的反思重试，重试次数硬性限制在2-3次。 ## 五、Tree-of-Thoughts：树搜索的推理质量与算力代价 Tree-of-Thoughts（ToT）把规划从"一条链"升级成"一棵树"：在每个决策点，模型生成多个候选下一步（分支），用一个评估函数给每个分支打分，保留高分分支继续展开，低分分支剪掉，必要时回溯。这让智能体具备了**真正的纠错能力**——走错一步不是只能硬着头皮继续，而是可以退回来换条路。在数学竞赛、逻辑谜题、24点游戏这类**解空间有限、有清晰评分信号**的任务上，ToT 相对 ReAct 的准确率提升是质变级别的。 但 ToT 的算力账本极其陡峭。每个节点的分支数 `b`、搜索深度 `d`，最坏情况下 LLM 调用数是 `O(b^d)`，一次深度4、分支3的搜索就是近百次模型调用。更要命的是评估函数本身就是 LLM 调用——每展开一个节点都要让模型判断"这条路有希望吗"，这进一步放大了成本。因此 ToT 在 2026 年的生产定位非常克制：它几乎不用于在线实时交互（延迟和成本都不可接受），而是用于**离线的难题求解、批次推理、需要高质量单次产出的场景**。一个常见的工程化做法是**预算受限的 ToT**：给定一个总调用预算（比如最多30次），用 best-first search 在预算耗尽时返回当前最优路径，把指数级搜索变成可控的启发式搜索。ToT 的真正价值在于它揭示了规划范式的核心张力——**推理深度（质量）与算力消耗（成本）的强相关**，这个张力贯穿了下面要讲的 LATS。 ## 六、LATS：用 MCTS 统一推理、行动与规划 LATS（Language Agent Tree Search，ICML 2024）是规划范式谱系里最雄心勃勃的一极，它把 AlphaGo 背后的蒙特卡洛树搜索（MCTS）整套搬进了语言智能体。在一个决策点，LATS 用 LLM 采样多个候选动作，对每个动作做 rollout（模拟执行到底）拿到一个价值估计，用 UCB 公式平衡探索与利用来选择扩展哪个节点，最后用类似 Reflexion 的机制把失败轨迹转化成对后续 rollout 的指导。LATS 的论文宣称它**首次统一了推理（deliberation）、行动（acting）和规划（planning）**三种此前各自孤立的范式。 LATS 在 HotpotQA、ALFWorld、HumanEval 等基准上取得了当时单智能体的最高分，部分任务准确率比 ReAct 高出数十个百分点。但它的代价同样极端——一次任务可能触发上百次 rollout，每个 rollout 又是多步 LLM 调用，总调用规模是 ReAct 的几十倍。这决定了 LATS 的生产定位：它不是在线服务的规划内核，而是**离线强化、数据合成、难题攻坚**的工具。2026 年围绕 LCTS 出现了一批进化变种——ReST-MCTS（用 MCTS 生成高质量推理数据做自训练）、ExACT（Reflective-MCTS 结合自我学习微调）、Empirical-MCTS（双经验池的持续进化）——它们共同的思路是把昂贵的 MCTS 搜索从**推理时**挪到**训练/数据生成时**：离线用 MCTS 跑出高质量轨迹，蒸馏进模型的权重或作为精调数据，这样在线推理时模型直接"知道"该怎么走，无需再实时搜索。这是规划范式在 2026 年最重要的工程转向——**把搜索从运行时预算变成训练时投资**。 ```mermaid graph TD A[用户目标] --> B{规划内核选择} B -->|轻决策/工具调用| C[ReAct 单环] B -->|多步确定性任务| D[Plan-and-Execute] B -->|扇出汇总型| E[ReWOO/LLMCompiler DAG] C --> F[执行+观察] D --> G[强模型规划→廉价模型执行] E --> H[并行调度无依赖调用] F --> I{验证器判定} G --> I H --> I I -->|成功| J[输出结果] I -->|失败次数<上限| K[Reflexion 反思重试] K --> C I -->|失败超限| L[退化/报错] B -.离线难题/数据合成.-> M[ToT/LATS 树搜索] M -.蒸馏.-> N[训练时投资→在线直接推理] ``` ## 七、生产规划栈的分层装配：没有银弹，只有正确叠加 实战中没有哪个范式能通吃，2026 年成熟的自主智能体几乎都是**分层装配**的。最稳健的生产配方可以概括为三层：**外层用 Plan-and-Execute** 承担长程规划与成本控制（强模型规划一次，廉价模型执行多步）；**中间层在执行段叠加受控的 Reflexion**——只有当验证器判定步骤失败时才触发一次反思重试，重试硬性封顶；**底层兜底用带护栏的 ReAct**，处理那些无法预先规划的实时交互与异常分支。并行机会交给 ReWOO/LLMCompiler 的 DAG 调度器自动识别。这套组合的关键工程纪律有三条：一是**所有规划循环都必须有硬性迭代/重规划上限**，无限重规划是成本失控的头号杀手；二是**上下文必须主动压缩**，把已完成的步骤摘要化，否则长任务的 token 成本二次方爆炸；三是**把昂贵的树搜索（ToT/LATS）严格隔离到离线**，要么用于数据合成、要么用预算受限的退化版。 变现与训练营层面，规划范式是最适合做成高客单价培训的内容——因为它**抽象、反直觉、且直接决定 ROI**。一个能讲清楚"为什么你的 Agent 一夜烧掉340美元"以及"用 Plan-and-Execute+反思护栏把单任务成本压下来"的实战课，比泛泛的"Agent开发入门"有溢价得多。落地建议按场景切分：**客服/RPA 类轻决策**用 ReAct 足矣，别过度工程；**自主编码/数据分析**用 Plan-and-Execute 外层+验证器驱动的反思；**研究综述/多源检索**用 LLMCompiler DAG 并行；**只有真正的高价值难题**（一次产出值数百美元以上）才考虑离线 LATS/ToT 攻坚。 ## 推荐方案 - **追求最快上线、任务步骤少**：ReAct 单环 + 最大迭代数护栏 + 上下文压缩，30分钟跑通，先有再优。 - **自主编码、多步确定性任务**：Plan-and-Execute（Opus 规划 + Haiku 执行）+ 重规划上限（≤3次）+ 验证器触发反思，这是 2026 年性价比最优的生产组合。 - **研究综述、多源数据聚合**：LLMCompiler DAG 并行 + 末端合成，把延迟压到接近单次往返。 - **高价值难题、离线攻坚**：预算受限的 ToT 或 LATS（设调用预算上限），并把高质量轨迹蒸馏回模型，把搜索从运行时成本转为训练时投资。 - **任何场景的红线**：无限循环检测、迭代/重规划硬上限、上下文二次方增长治理——这三条护栏缺一条都可能酿成"一夜烧光预算"的事故。 ## 参考来源 1. [ReAct vs Plan-Execute vs Tree-of-Thought: Which Agent Architecture Wins in Production (2026)](https://agentmarketcap.ai/blog/2026/04/12/react-vs-plan-execute-vs-tree-of-thought-production-2026) — 三范式企业生产环境的数据驱动对比 2. [ReAct vs Plan-and-Execute vs ReWOO vs Reflexion — The 4 Single-Agent Patterns](https://theaiengineer.substack.com/p/the-4-single-agent-patterns) — 四大单智能体范式的机制与适用边界 3. [Language Agent Tree Search Unifies Reasoning, Acting and Planning (ICML 2024)](https://arxiv.org/abs/2310.04406) — LATS 用 MCTS 统一推理·行动·规划的原始论文 4. [Plan-and-Execute Agents — LangChain Blog](https://www.langchain.com/blog/planning-agents) — Plan-and-Execute 更快、更便宜、更高性能的官方论证 5. [When Do Tools and Planning Help LLMs Think? A Cost- and Latency-Aware Benchmark](https://arxiv.org/html/2601.02663v1) — 成本与延迟感知的工具/规划收益基准 6. [The 'Infinite Loop' Trap: How My Multi-Agent System Burned $200 Overnight](https://pratikpathak.com/the-infinite-loop-trap-how-my-multi-agent-system-burned-200-overnight-and-how-to-fix-it/) — 无限重规划导致预算失控的真实事故复盘 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。