Chapter 04
2025–26 前沿：你还需要一个显式规划器吗？
前两章把七种显式规划范式讲透。这一章回答 2026 年的问题：当模型自己会在内部规划，这些范式你还用得上几个？诚实的答案是——比想象的少。这是整条主线的兑现章节。
本章你将建立的 schema（截至 2026-06 的判断）
- reasoning model 把"多步规划"吸进了模型内部——靠 test-time compute 的长链思考，在出答案前先把步骤想完
- 2023 年"给 LLM 外面套一个显式多步规划器"的反射动作，在 2026 常常是净负——它和模型自己的内部规划相撞
- 默认答案从"要不要加规划器 = 要"翻转成"先证明真的需要"
- 编排者-工人（orchestrator-workers）是少数活下来的显式结构——因为它处理单模型内部规划做不到的事：不可预测的并行子任务
- 框架方向已变：从"为每个任务手搓规划图"转向"一个可配置的 agent 循环 + middleware"
4.1推理模型把规划吸进了模型内部
reasoning model = 在出答案前，先生成一段长链思考（隐藏的推理轨迹），把"拆步骤、排顺序"这件事在模型内部做完。
前三章的每种显式范式，本质都是在模型外面搭一层控制流，逼模型一步步走。reasoning model 改变了前提：当模型自己能在一次生成里完成多步推理与计划，外面那层控制流的边际价值就下降了。理解这一节，是判断"剩下六种范式还用不用得上"的前提。
时间线（每个都钉上日期）：OpenAI o1（2024-09 预览）是第一个把"长链思考"产品化的主流模型；DeepSeek-R1（2025-01）用开放权重 + RL 训练复现了这条路线，把成本拉低；OpenAI o3（2025-04）进一步把推理深度做强；Anthropic 的 extended thinking（Claude，2025）与 Google 的 Gemini thinking（2025）让"先想后答"成为旗舰模型的标配能力。截至 2026-06，"会内部规划的模型"已不是稀罕物，而是默认档位。
底层机制（比文档深一层）：所谓 test-time compute，是让模型在推理阶段（不是训练阶段）多花一批 token 去"想"——生成一段通常对用户隐藏的 reasoning trace，再基于这段思考产出最终答案。这段思考里，模型自己就在做第 2、3 章那些事：把任务拆成子问题、试探一条路径、发现不对再换一条、回溯。换句话说，ToT 的"分叉—评估—回溯"、Plan-and-Execute 的"先列计划"，被模型用一段连续的自然语言思考在内部模拟了。外部显式规划器当年是为了补上 base model "不会多步想"的缺口；当这个缺口被模型自身补上，外部那层就从"补缺"变成了"往往多余"。
像把"打草稿"从纸上挪进了脑子里：以前要求解题人把每一步写在外部草稿纸（显式规划器）上你才能检查，现在解题人能在脑内一次想完再落笔。类比的边界：脑内草稿对你不可见——reasoning trace 默认被隐藏或摘要，你失去了显式规划器那种"每一步都能拦截、注入、改写"的控制点。这正是 §4.3 判断"何时仍要外部规划器"的关键代价项。
第 1 章那条「承诺↔适应」轴，reasoning model 的内部长链思考落在哪一端？为什么它不需要像 ReAct 那样每步把上下文重新喂回？
展开答案（先停 10 秒再点）
它落在偏适应端，但方式不同：长链思考在同一次生成的同一段上下文里连续推进，模型边想边改、自带回溯，不需要像 ReAct 那样"暂停生成—执行工具—把 observation 拼回—再重新编码全部历史"。区别在于：ReAct 的适应靠外部真实观察接地（能纠正事实），reasoning model 的内部适应主要在推理层面（拆解、自检），不接触外部世界。所以它替代的是"规划/推理"这部分，没有替代"调真实工具拿真实结果"——这个区分是 §4.3 的核心。
4.2test-time compute：把「多想一会」当作规划的替代
一个 2025 年浮现的命题：与其在外面编排显式步骤，不如让模型在推理时多花算力"想得更久"——很多任务上，后者更省事也更强。
这是本章争论的核心战场。一边是"在外部把任务编排成显式的多步流程"（前三章的范式），另一边是"什么都别编排，把同样的预算花在让模型多想"。判断你的系统该往哪边投，得先看清这场争论里哪些已被测量、哪些仍是开放问题。
已被测量的部分：2025 年有一批工作把 test-time compute 当成 agent 规划的一等公民来研究。《Scaling Test-time Compute for LLM Agents》（2025-06，arXiv 2506.12928）系统地把"测试时多花算力"的几种做法（更长的内部推理、并行采样多条轨迹再选、按步骤反思）放到 agent 任务上量化，结论是这些手段在多类任务上稳定提升表现。另一类 "Learning When to Plan" 取向的工作（2025）更进一步：用 RL 训练模型自己决定何时该多想、该想多深，而不是遵循一套硬编码的规划步骤——把"分配多少规划算力"从工程师手里的旋钮，变成模型学到的策略。
仍是开放问题的部分：截至 2026-06，"多想一会" vs "显式编排"哪个更优，没有一个跨任务的定论。测得清楚的是两端各自的甜区；测不清的是中间大片地带的边界。诚实地摆两边：
| 维度 | 「让模型多想」（test-time compute）赢在 | 「显式编排步骤」赢在 |
|---|---|---|
| 任务的硬点 | 难在想清楚——推理、拆解、数学/代码逻辑 | 难在做——大量真实工具调用、外部副作用 |
| 并行性 | 不擅长真正并行（一条思考链是串行的） | 独立子任务可同时发，吃满吞吐 |
| 可控/可审计 | 推理轨迹隐藏，难以逐步拦截 | 每步是显式节点，能记录、注入、回放 |
| 成本形态 | 推理 token 随"想的深度"涨，难预估 | 步骤数固定时成本可预估 |
底层机制（比文档深一层）：为什么"多想"有时会击败显式编排，而不只是打平？因为显式编排把规划的结构冻结在了工程师写代码的那一刻——计划图的形状、分支条件、子任务边界都是静态的。reasoning model 的内部规划是每次推理动态生成的，能贴着具体输入调整拆法。当任务的难点恰好在"怎么拆才对"，静态结构反而成了枷锁。但这把机制反过来也成立：当任务难点在"同时做很多独立的事"或"每一步都要可审计"，动态隐藏的内部思考就接不住——这正是下一节判断的依据。
"多想一会更强"成立的范围，是难点在推理的任务。一旦任务的瓶颈是吞吐（大量可并行子任务）、是可审计性（合规、需逐步留痕）、或是可验证搜索（有明确对错信号的解空间），test-time compute 单打独斗就不够。把它当成"又一个有甜区的工具"，而不是"取代一切的银弹"——这正是与第 1 章那条轴一致的态度：没有哪一端永远更好。
4.3你到底需不需要显式规划器？
本章的论点：2023 年"给 LLM 套一个显式规划器"的反射动作，在 2026 常常是净负——默认从"要"翻转成"先证明需要"。
前三章教了七种显式范式。这一节给出 2026 年真正的选型决策：大多数情况下，一次 reasoning model 调用 + 工具就够了，显式规划器不必加。把"何时仍要加"压缩成几条可操作的判据，是这整条主线的落点。
为什么"多套一层"会变成净负：当外部编排器和模型都在做规划，两套规划会打架——这不是想象，而是被反复观察到的现象：外部规划器把任务切成它认为的步骤，模型的内部推理又想按自己的方式拆，结果产生冗余或冲突的操作（redundant or conflicting operations）——重复调用同一个工具、按外部计划走了一步又被内部推理推翻、或两层对"下一步是什么"给出矛盾指令。2023 年这层外壳是补缺（base model 不会多步想）；2026 年模型自己会想，这层外壳就从补缺变成了添乱。
Anthropic 在 《Building Effective Agents》（2024-12）给出的那句话，到 2026-06 已是近乎普适的指导："从能解决问题的最简方案起步，只有当更简单的做法失败时，才增加 agentic 结构。" 这句话本身就是"默认 prove-it"的另一种说法。
活下来的那个显式结构：编排者-工人
底层机制（比文档深一层）：为什么单单 orchestrator-workers（编排者-工人）这个模式扛住了 reasoning model 的冲击？因为它处理的恰好是单模型一次内部规划做不到的事——一个 lead 模型把任务拆开，把彼此独立的子任务分发给多个并行的 worker 各自带着独立上下文去做。一次推理调用的内部思考再长，也是一条串行的链，没法真正同时推进多个需要独立大段上下文的子任务。编排者-工人补的不是"会不会想"，而是"能不能并行铺开"——这个缺口 reasoning model 没填，所以它活了下来。
Anthropic 的多 agent 研究系统（2025-06）在规模上验证了这一点：一个 lead agent 协调多个并行 subagent，质量显著提升，代价是约 15× 的 token 开销。这个数字本身就是判据——值不值得上多 agent，先看任务质量提升能否抵掉一个数量级的成本。
压缩成判据
仍然要伸手去拿显式规划器，当且仅当：
- 有大量独立可并行子任务、且有延迟压力 → LLMCompiler 式的并行调度，或编排者-工人（子任务不可预测时）。一条串行思考链吃不满吞吐。
- 是可验证的谜题/搜索类问题（有明确对错信号的解空间）→ LATS / ToT 的树搜索仍有价值。截至 2026-06，这类用法活着但小众，集中在高可靠、可验证的领域。
- 需要跨尝试学习、且有 reward 信号 → Reflexion：把上一次的失败教训写进记忆，下一次整体重试。
不必费这个劲，当：
- 任务的难点在想而不在做——一次 reasoning model 调用配上工具就足够。
- 步骤之间高度顺序依赖、又没有可并行性——内置的 ReAct 式循环（如今是框架的预置默认，不是前沿）已经够用。
这套判据并没有推翻「承诺↔适应」轴——它在轴之上加了一个前置问题："这一层规划，到底该由模型内部做，还是由外部结构做？"先答这个，再用轴去定外部结构（如果需要）该落在哪一端。reasoning model 的出现，把轴从"唯一的选型维度"降级成了"确定要外部规划之后才用得上的维度"。
4.4框架取向变迁与弃用
主流框架在 2025 年集体转向："一个可配置的 agent 循环 + 钩子（middleware）"，而不是为每个任务手搓规划图。
框架的默认 API，是整个社区共识的化石记录。看清楚 2025 年这些 API 改了什么、弃用了什么，等于读到了"行业现在认为该怎么做 agent"——它和本章论点完全同向：少手搓规划器，多配置统一循环。
LangChain 1.0 GA（2025-10-22）：弃用了 create_react_agent，改为单一的、可配置的 create_agent，并引入 middleware 系统——before_model / after_model / wrap_tool_call 等钩子，让你在统一的 agent 循环上挂载自定义行为，而不是去画一张专门的规划器图。方向写得很明白：一个可配置的 agent 循环，不是 bespoke planner graph。同时被划入历史的还有旧的 AgentExecutor 路线。
OpenAI：Swarm → Agents SDK：实验性的 Swarm（2024 末）在 2025-03 被正式的 Agents SDK 取代。它的核心抽象是 handoff（一个 agent 把控制权移交给另一个 agent）——基于交接的委派，没有内建的规划器。这本身就是一个信号：连"把活分出去"都不再预设一个显式 planner。
AutoGen → AG2：AutoGen 生态在 2025 年下半叶分叉出 AG2，社区维护的多 agent 对话框架延续在此。
树搜索（LATS / MCTS）：没有消失，但明确小众化——截至 2026-06，集中在高可靠、可验证的领域（有明确对错信号的搜索问题）。它不再是通用 agent 的推荐默认路径。
以下在 2026 已是"过时或特例"，不要当默认：把 Tree-of-Thoughts 当通用 agent 规划器（它退回成一种特例搜索技术）；把 ReWOO / LLMCompiler / 手搓 Plan-and-Execute 图当推荐默认路径；create_react_agent / 旧 AgentExecutor（2025-10 弃用）；OpenAI Swarm（2025-03 弃用）；以及 2023 年那句"永远把你的 LLM 包进一个显式多步规划器"的心智。
桥接：另一极——把规划交给经过验证的外部求解器
第 1 章提到 Huang 综述里还有一类"外部模块辅助规划"。它是"让模型多想"的对极：不让模型自己想，而是把规划整个外包给一个经过验证的经典求解器。代表是 LLM+P 与 PDDL 路线——LLM 只负责把自然语言任务翻译成形式化语言（PDDL），交给一个带完备性/最优性保证的经典规划器求解，再把解翻译回自然语言。它买到的是 LLM 给不了的形式化保证，代价是只适用于能被干净形式化的问题域。这一族的系统理论在 AIMA（《人工智能：现代方法》）的经典规划章节里有完整深入的处理，本教程不展开，指路到此。
4.5综合：把七种范式 + 推理模型放回一张「何时用什么」的图
同一个场景，2023 年的标准答案和 2026 年的推荐往往不同——差别几乎全在"先让模型内部想，还是先在外部搭结构"。
把前三章的概念和本章的 reasoning model 放进同一张对照表。读法不是"记结论"，而是看每一行 2023→2026 的箭头方向：绝大多数都从"外部搭一层"滑向"先靠模型 + 只编排它做不到的"。这正是第 5 章辨析题要考的判断力。
| 场景 | 2023 会怎么做 | 2026 推荐 | 理由 |
|---|---|---|---|
| 多跳问答 / 一般工具任务 | 套 ReAct 或 Plan-and-Execute 显式循环 | 一次 reasoning model 调用 + 工具；ReAct 仅作内置默认 | 难点在"想"，模型内部已能多步规划，外层添乱 |
| 一次发很多个独立查询（如批量检索） | 手搓并行调度或 LLMCompiler 图 | LLMCompiler 式并行 / 编排者-工人 | 串行思考链吃不满吞吐，并行是模型内部补不上的缺口 |
| 有明确对错的谜题 / 解空间搜索 | Tree-of-Thoughts 当通用规划器 | LATS / ToT，但仅限可验证领域（小众） | 可验证搜索仍需显式树搜索；ToT 退为特例技术 |
| 需要从历次失败中改进（有 reward） | Reflexion 跨尝试记忆 | 仍用 Reflexion | 跨 episode 学习是单次内部推理覆盖不到的时间尺度 |
| 复杂研究 / 多子任务大型任务 | 一个大 agent 顺序硬扛 | 编排者-工人（lead + 并行 subagent） | 2025-06 已验证质量大涨，代价约 15× token——按需上 |
表里"多跳问答"那行从"套显式循环"滑到了"一次调用"，但"批量检索"那行没有滑过去、反而仍要显式并行。同样是 2026，为什么一个甩掉了外部结构、另一个保留了？
展开答案（先停 10 秒）
区别在缺口的性质。多跳问答的难点是推理（先查谁、再用结果查什么）——reasoning model 内部就能完成，外层多余。批量检索的难点是并行吞吐（同时发几十个独立请求）——一条串行的内部思考链物理上做不到真正并行，这个缺口模型补不上，所以外部并行结构留下了。一句话：模型内部规划替代的是"会不会想"，替代不了"能不能同时铺开"。这就是 §4.3 决策树第二个菱形存在的全部理由。
§本章 self-check
先合上教程，把答案写在纸上或编辑器里。写完再点开对照——直接点开等于把这一节再读一遍。
- 用一句话说清 test-time compute 把什么"搬"进了模型内部，以及它没有替代掉的是哪部分能力。
- "给 LLM 外面套一个显式规划器"在 2026 为什么常常是净负？用"冗余或冲突的操作"这个词解释机制。
- 给你一个任务："批量抓取 50 个网址、各自总结、汇总成一份报告，要快。" 按 §4.3 的判据，加不加显式规划器？加哪个？为什么不是"一次 reasoning model 调用搞定"？
- 编排者-工人是少数活下来的显式结构。它补的是单模型内部规划的哪个缺口？为什么 reasoning model 没把这个缺口填上？
答案（先做完再展开）
- 把"多步规划/推理"（拆步骤、排顺序、回溯）搬进了模型内部的一段长链思考（reasoning trace）。没替代的是"调真实工具拿真实结果"——内部思考不接触外部世界，也做不到真正的并行。
- 因为外部规划器和模型内部规划同时在拆任务、定下一步，两套规划相撞，产生重复调用、外层计划被内层推翻、对"下一步"给出矛盾指令等冗余或冲突的操作。2023 年这层外壳是补 base model 不会多步想的缺；2026 年模型自己会想，外壳从补缺变成添乱。
- 加。命中"大量独立可并行子任务 + 延迟压力"这条判据 → LLMCompiler 式并行 / 编排者-工人。不能靠一次调用，因为难点不在"想"而在"同时做很多独立的事"——一条串行思考链吃不满吞吐，抓 50 个网址这件事是并行缺口，不是推理缺口。
- 补的是"并行铺开多个带独立上下文的子任务"的缺口（lead 拆解、分发给并行 worker）。reasoning model 没填，因为一次推理的内部思考再长也是一条串行链，无法真正同时推进多个需要独立大段上下文的子任务。
给一个真实系统画"规划预算"分配图
任务：你要做一个"自动复现并审计一篇论文实验"的 agent——读论文 → 找到代码仓库 → 跑通环境 → 复现主实验 → 比对论文数字 → 写一份差异报告。按本章判据，把这条流水线切成段，给每一段标注"靠 reasoning model 内部规划"还是"上某个显式范式（点名）"，并写下你最担心哪一段会因为"两层规划相撞"而出冗余/冲突操作。
提示（卡住再展开）
问自己每一段的难点是"想"还是"做/并行/可验证/跨尝试"。"读论文、写差异报告"难在想 → reasoning model 内部即可。"跑通环境"易因环境千奇百怪反复失败、且有明确"跑没跑通"的对错信号 → 偏向需要临场适应甚至带 reward 的重试（Reflexion 式跨尝试学习）。"复现多组实验"若彼此独立 → 编排者-工人并行。最危险的相撞点：在"想"占主导的段（读论文）外面还硬套一个显式 Plan-and-Execute 图——外层计划会和模型自己的拆解打架，正是 §4.3 警告的净负场景。