# 纸上即败：自主体规划五范式实测 ## 概述 把一个自主智能体从"演示很惊艳"推进到"生产能扛事"，最大的拦路虎不是模型，而是**规划架构**。2025–2026 的受控评测给出了一组冷酷的数据：ReAct 在 7–9 步之后因"记忆视野"塌陷，Plan-and-Act 在 WebArena-Lite 上以 57.58% 成功率刷新 SOTA，而执行中途的动态重规划能比纯 ReAct 再拔 34 个百分点。本文以同一类任务横测五种主流规划范式——ReAct、Plan-and-Execute、ReWOO、Reflexion、Tree-of-Thought——拆解它们"在纸面上规划"与"在现实中执行"之间那道致命裂缝，并给出按任务长度选型的硬规则。核心结论：**规划与执行脱节，是自主智能体最常见的系统性失败，而非模型不够聪明。** ## 五范式多维度对比 | 范式 | 规划时机 | 与执行的耦合 | Token 成本 | 步数甜区 | 典型失败模式 | 上手难度 | |------|----------|-------------|-----------|---------|-------------|---------| | **ReAct** | 边走边想（每步） | 紧耦合 | 高（全历史回灌） | 1–8 步 | 步数一长失去全局目标、循环烧钱 | ★ 极易 | | **Plan-and-Execute** | 前置一次性 | 松耦合（契约式） | 中（规划贵、执行廉价） | 10–40 步 | 计划僵化、与现实脱节 | ★★ 中 | | **ReWOO** | 前置 DAG 一次成型 | 完全解耦 | 低（执行期零 LLM） | 可并行子任务 | 依赖幻觉、无法处理观察反馈 | ★★★ 偏难 | | **Reflexion** | 规划+失败后重思 | 反思回路耦合 | 高（多轮迭代） | 探索性强、容错任务 | 自我批评偏袒、反思空转 | ★★ 中 | | **Tree-of-Thought** | 分支搜索式 | 评估器耦合 | 极高（指数级分支） | 高歧义、单点决策代价大 | 搜索爆炸、剪枝丢正解 | ★★★★ 难 | ## 深度分析 ### 一、ReAct：即时规划的"演示之王" ReAct（Reason + Act）由 Yao 等人在 2022 年提出，把智能体认知压成一个紧循环：**Thought → Action → Observation → 重复**。每一步都是一次 LLM 调用，模型带着完整历史（之前的思考、动作、观察）决定下一步。没有前置计划，路径是走出来的。 ```python # 最小 ReAct 循环（LangGraph v0.2+） from langgraph.graph import StateGraph, MessagesState from langgraph.prebuilt import ToolNode, tools_condition from langchain_anthropic import ChatAnthropic llm = ChatAnthropic(model="claude-3-5-sonnet-20241022") llm_with_tools = llm.bind_tools([search_web, read_document, write_file]) def agent(state: MessagesState): return {"messages": [llm_with_tools.invoke(state["messages"])]} g = StateGraph(MessagesState) g.add_node("agent", agent) g.add_node("tools", ToolNode([search_web, read_document, write_file])) g.set_entry_point("agent") g.add_conditional_edges("agent", tools_condition) g.add_edge("tools", "agent") app = g.compile() ``` 它的迷人之处在于**动态适应**：工具返回意外数据，下一步思考就能改弦更张；任务中途发现歧义，能主动追问。认知负担压在模型身上，不在开发者身上——这正是它"演示效果好"的根源。但代价同样真实：每步都把全部历史塞回上下文，步数线性增长时 token 成本近平方级膨胀；一旦超过 7–9 步，模型就开始"只见眼前、忘了全局"，token 烧在局部优化而非全局收敛上。一句话：**ReAct 是 5 步演示的王者、15 步生产的灾难。** ### 二、Plan-and-Execute：前置规划的"契约思维" Plan-and-Execute 把认知劈成两半：先由 **Planner**（通常用强模型）一次性产出完整的有序子任务清单，再由 **Executor**（可用廉价模型）逐条执行。计划就是契约，执行只是填空。 ```python from langchain_core.prompts import ChatPromptTemplate from pydantic import BaseModel from typing import List class Plan(BaseModel): steps: List[str] planner_prompt = ChatPromptTemplate.from_messages([ ("system", "你是精确规划者。把任务拆成有序、具体、可独立执行的步骤。只输出步骤列表。"), ("user", "{task}"), ]) planner = planner_prompt | llm.with_structured_output(Plan) def plan_step(state: dict) -> dict: plan = planner.invoke({"task": state["task"]}) return {"plan": plan.steps, "current_step": 0} ``` 工程界的实战结论很统一：**任务一旦超过 5–6 步，Plan-and-Execute 在成本和可调试性上全面碾压 ReAct。** 它把昂贵的推理集中到一次规划调用，执行阶段换成便宜模型摊薄成本；计划作为显式数据结构，挂了哪一步、为什么挂，日志一目了然——这是 ReAct 那种"推理淹没在历史里"的架构给不了的可观测性。 但它的阿喀琉斯之踵是**计划僵化**：Planner 在没看到任何真实观察的情况下就把后续十几步全定了，一旦现实与假设不符，整条计划链断裂。解药是**动态重规划**——执行中某步失败时触发 Planner 重新拟定剩余计划。Plan-and-Act 论文的实测印证了这点：在 WebArena-Lite 上，动态重规划比纯 ReAct 成功率高出整整 34 个百分点，Plan-and-Act 最终定格 57.58% 的 SOTA。这组数字几乎是"规划架构比换模型更值钱"最硬的证据。 ### 三、ReWOO：解耦规划的"一刀流" ReWOO（Reasoning WithOut Observation，arXiv:2305.18323）把"解耦"推到极致：在**任何工具运行之前**，Planner 就用占位变量（如 `#E1`、`#E2`）规划出完整的依赖 DAG，Solver 最后把所有证据拼成答案。执行阶段，Worker 们沿 DAG 跑工具、把结果填回占位符——**整个执行期不再调用任何 LLM 做中间推理**。 ``` # Planner（单次 LLM 调用，输出 DAG） Plan: #E1 = search("公司A 营收") #E2 = search("公司B 营收") #E3 = calc(#E1, #E2) ← 依赖 E1、E2 # Worker（零 LLM，按 DAG 执行、可并行 E1/E2） # Solver（单次 LLM 调用，综合 #E3 给答案） ``` 这套 Planner-Worker-Solver 三段式的回报惊人：论文报告 token 消耗降低 5 倍量级，同时因中间步骤不再喂回 LLM，幻觉和提示注入面也随之收窄。NVIDIA NeMo Agent Toolkit 已把 ReWOO 列为标准 Agent 模式之一。 它的死穴在于**"Reasoning Without Observation"这个名字本身就是双刃剑**——既然执行期不回看观察，Planner 就必须在零现实反馈下把所有依赖猜对。一旦它假设某个 API 返回字段而实际不是，或把本可并行的步骤串成了错误依赖，整条 DAG 无从补救。ReWOO 只适合**子任务独立性高、依赖关系可静态确定**的场景（批量检索、固定报表流水线），一旦任务需要"看一步、调整下一步"，它就退化为脆弱的纸面计划。 ### 四、Reflexion：把失败当老师的反思回路 Reflexion 在普通执行循环外再叠一层**自我反思**：智能体完成任务后，由自身（或独立评估器）生成一段"哪里做错了、下次怎么改"的口头反馈，写进记忆，下一次重试时带着这条教训重新规划。它把规划变成了**多轮迭代的自改进**。 范式上是优雅的——把强化学习的"奖励信号"换成自然语言反馈，免去了训练。但实测中它的两个软肋很致命：**自我批评的偏袒性**（模型倾向肯定自己的方案，反思流于表面）与**反思空转**（失败原因其实是工具不可用或上下文缺失，反思再多也无济于事，只是多烧几轮 token）。Reflexion 的甜区是探索性强、容错成本低的任务——比如代码生成里跑测、读报错、改代码的循环，单元测试给出了比模型自评客观得多的信号，反思才真正"言之有物"。脱离外部客观信号，纯靠 LLM 自评的 Reflexion 很容易陷入"自说自话"。 ### 五、Tree-of-Thought：搜索式规划的"认知 beam search" Tree-of-Thought（ToT）把规划升级成**搜索问题**：在决策点同时生成多条候选推理路径，由评估器按启发式打分，保留最优分支继续推进或回溯——本质是认知层的 beam search。它专为**高歧义、单点决策代价巨大**的任务设计（数学证明、复杂调度、博弈），因为这类任务选错一个岔口，错误会向下游复合放大。 代价同样直接：分支数随深度指数膨胀，token 与时延成本陡峭到生产环境难以承受；评估器若剪枝过狠，会丢掉正确解。ToT 几乎是五种范式里**最不适合长程自主任务**的——它解决的是"单点决策的深度搜索"，而非"长程任务的步骤推进"。把它硬塞进 30 步的工作流，是典型的范式误配：用搜索的开销去解一个本该用 Plan-and-Execute 的契约式问题。 ### 六、规划脱节的四大病理 五种范式看似迥异，生产事故却高度同构——**根因都是"纸面计划"与"现实执行"的脱节**： 1. **依赖幻觉**：Planner 凭空假设某个中间结果存在或 API 返回某字段，下游整链断裂。ReWOO 因解耦最深，最易中招。 2. **计划僵化**：前置计划锁死，执行中遭遇新信息却无法调整，只能硬着头皮执行一个已经失效的计划。纯 Plan-and-Execute 的通病。 3. **视野塌陷**：长程任务里模型忘掉原始目标，token 沉没在局部优化。ReAct 在 7–9 步后的典型退化。 4. **粒度失衡**：规划过细则脆弱（任何小意外都让整张计划作废）、过宽则空洞（每步含糊到无法执行）。这是跨所有范式的元问题。 这四条病理没有一条是"换个更强的模型"能根治的——它们是**架构层面的系统性失败**。这解释了一个反直觉现象：花两个月纠结选哪个前沿模型，不如花两周把规划架构对到任务的步数特征上，后者带来的成功率提升往往大得多。 ### 七、规划粒度悖论 粒度是被严重低估的杠杆。**粗规划**（3–5 个高层步骤）鲁棒但空洞，执行器仍得在每步内重新规划，等于把 Plan-and-Execute 退化成多个小 ReAct；**细规划**（20+ 步原子操作）精确但脆弱，现实稍有风吹草动就推倒重来。 实战中经得起检验的解法是**层级规划**（Hierarchical Planning）：顶层 Plan-and-Execute 出粗粒度骨架，每个高层步骤内部再用 ReAct 即时细化。骨架保证全局不偏航，细化保证局部能适应——这正是 2026 年主流框架（LangGraph、Anthropic、OpenAI 的 agent 示例）不约而同收敛到的"hybrid"形态。配合**动态重规划阈值**（连续两步失败、或与预期偏差超阈值才触发 Planner，而非每步都重规划），既避免僵化又控制重规划成本。 ### 八、变现与训练营评估 自主智能体规划是 2026 年少数**能直接变现**的硬技能切口，因为它卡在"人人会调 prompt、人人做不出能用的 agent"的认知断层上： - **企业咨询/外包**：把客户的 ReAct 原型按任务步数重构为 Plan-and-Execute，单这一项就能把 token 成本压低 40–60%、长任务成功率提升一个数量级，这是甲方听得懂、算得清的 ROI。 - **训练营**：以"同一任务、五范式实测"为主线（成功率、token、时延三柱对比），天然有可视化对比和悬念，比泛泛讲 LLM 原理强得多。门槛在于需自建可复现基准（WebArena 或简化版）。 - **SaaS 产品**：把"动态重规划 + 层级规划"封装成框架无关的中间件（给定目标、自动产出骨架+细化），瞄准的是开发者"不想从零搭规划层"的痛点。 需要注意的市场现实：纯 ReAct 的内容已高度同质化、几乎无溢价；真正稀缺的是**"按任务特征选范式并落地 hybrid 架构"**的工程判断力，这是训练营能卖出高价的部分。 ## 五范式认知架构与脱节循环 ```mermaid flowchart LR subgraph 规划范式 R[ReAct
即时·紧耦合
甜区1-8步] PE[Plan-and-Execute
前置·契约式
甜区10-40步] RW[ReWOO
DAG·全解耦
执行期零LLM] RF[Reflexion
反思重规划
多轮迭代] TOT[Tree-of-Thought
搜索回溯
高歧义单点] end GOAL[模糊目标] --> R & PE & RW & RF & TOT R --> EXEC[执行层] PE --> EXEC RW --> EXEC RF --> EXEC TOT --> EXEC EXEC -->|依赖幻觉/计划僵化/视野塌陷/粒度失衡| GAP{规划-执行
脱节裂缝} GAP -->|动态重规划+34pp| FIX[混合层级架构] FIX --> GOAL2[57.58% SOTA] style GAP fill:#fdd,stroke:#c00,stroke-width:2px style FIX fill:#dfd,stroke:#090,stroke-width:2px ``` ## 规划-执行脱节的病理闭环 ```mermaid flowchart TD A[Planner 纸面计划] --> B[Executor 执行] B --> C{与现实吻合?} C -->|是| D[成功] C -->|否| E[四种病理] E --> P1[依赖幻觉:假设中间结果存在] E --> P2[计划僵化:遇新信息不调整] E --> P3[视野塌陷:7-9步后丢失目标] E --> P4[粒度失衡:过细脆弱/过粗空洞] P1 & P2 & P3 & P4 --> F[系统性失败
换模型无用] F -->|架构层修复| G[动态重规划阈值] F -->|架构层修复| H[层级混合规划] G & H --> A ``` ## 推荐方案 **按任务长度选范式**是 2026 年唯一被数据反复验证的硬规则： | 场景 | 首选范式 | 理由 | |------|---------|------| | 探索性问答、API 串联（<8 步） | **ReAct** | 短任务规划开销大于收益，动态适应占优 | | 合规审核、理赔流水线（10–40 步） | **Plan-and-Execute + 动态重规划** | 成本/可调试性碾压，重规划 +34pp | | 批量检索、固定报表（子任务独立） | **ReWOO** | 执行期零 LLM，token 降 5 倍 | | 代码生成迭代（有客观测试信号） | **Reflexion** | 外部信号让反思言之有物 | | 高歧义单点决策（证明/调度） | **Tree-of-Thought** | 分支搜索防复合放大，慎用于长程 | | 混合长程任务（生产默认） | **层级 Plan-and-Execute + 局部 ReAct + 重规划阈值** | 全局骨架防偏航、局部细化适应现实 | 给落地者的三句话：第一，**任务步数先于模型选型**——8 步是 ReAct 与 Plan-and-Execute 的天然分水岭；第二，**永远上动态重规划**，它是性价比最高的成功率杠杆；第三，**别让 Planner 在零观察下规划超过它实际能掌握的依赖深度**，那是"纸上即败"的起点。 --- ## 参考来源 1. [ReAct vs Plan-Execute vs Tree-of-Thought: Which Agent Architecture Wins in Production?](https://agentmarketcap.ai/blog/2026/04/12/react-vs-plan-execute-vs-tree-of-thought-production-2026) — 2025–2026 受控评测数据：ReAct 7–9 步退化、Plan-and-Act 在 WebArena-Lite 达 57.58% SOTA、动态重规划 +34pp 2. [ReAct vs Plan-and-Execute vs ReWOO vs Reflexion: same agent, four different ways to fail](https://theaiengineer.substack.com/p/the-4-single-agent-patterns) — 同一智能体四范式失败模式对比（The AI Engineer, 2026-04） 3. [Agent Planning: ReAct vs Plan-and-Execute Tradeoffs](https://laxaar.com/blog/agent-planning-react-vs-plan-and-execute-1749470001700) — 生产部署视角：5 步演示 vs 15 步生产的 token 烧钱循环、LangGraph 代码示例（Laxaar, 2026-06） 4. [ReWOO: Decoupling Reasoning from Observations for Efficient Augmented LLMs](https://arxiv.org/abs/2305.18323) — Planner-Worker-Solver 解耦范式原始论文（arXiv:2305.18323），配套实现 [billxbf/ReWOO](https://github.com/billxbf/ReWOO) 5. [Agentic Reasoning Patterns (2026): ReAct, Reflexion, Plan-Execute & ToT](https://servicesground.com/blog/agentic-reasoning-patterns/) — 五范式架构与基准综述（2026） > [!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。