Agent 任务规划 · 深挖版教程

Agent 任务规划（Planning）

一个 LLM agent 拿到「帮我订好下周去上海的差旅」这种目标后，如何把它拆成步骤、决定先做什么、出错了怎么改——这就是规划。本教程把现代 LLM agent 的七种主流规划范式钉在同一条权衡轴上，讲清每个的机制、代价和适用场景。

定位：概念型 · 系统建立心智模型　|　基于：原始论文 + LangGraph 1.0（2025-10）+ 2025–26 前沿　|　读完约：半天　|　代码状态：示例为讲解用伪代码，标注"未本地验证"

·适合谁

三条前置能力，缺一条会读得吃力：

前置知识（具体到能力）

  • 能读懂 Python 风格的伪代码，理解一次 LLM 调用 = 一次「输入 token → 输出 token」，且调用有 token 成本和延迟
  • 知道 function calling / tool use 是什么：模型输出一个结构化的工具调用，外部代码执行后把结果作为文本喂回模型
  • 读过或写过至少一个 agent 的基本循环（LangChain/LangGraph 的 agent，或自己手写过一个 tool-calling loop）

·不适合谁

下面三类读者请先去别处，会更高效：

  • 完全没接触过 LLM 应用：先建立 prompt / completion / tool use 的基础——参见同目录 agent-interview · 01 LLM & Prompt。
  • 只想拷一段能跑的 ReAct 代码、不关心选型：直接看 LangChain create_agent 快速上手 比读这里快。
  • 想深入经典 AI 规划（PDDL 求解器、状态空间搜索的完备性与最优性证明、HTN 算法）：本教程只在第 4 章搭一座桥，系统学习请读 Russell & Norvig《AIMA》第 10–11 章。

·读完之后你能做到什么

这份教程给你、而文档不给你的

官方文档教你怎么调 create_react_agent；这份教程教你什么时候根本不该加规划器，以及要加时，凭三个问题——步骤之间有没有依赖、要不要临场改主意、token 预算多少——把六种范式钉在同一条权衡轴上做选型，而不是凭论文名字。

具体的可验证能力（动词开头，能拿去面试或选型会上检验）：

  • 用「承诺 ↔ 适应」一条轴定位 ReAct / Plan-and-Execute / ReWOO / LLMCompiler / ToT / Reflexion，说出每个的落点与代价
  • 给定一个任务（独立子任务并行 / 顺序依赖 / 探索性 / 需自我纠错），选出合适范式，并讲清为什么不选其余几个
  • 讲对 ReWOO 省 token 的真实机制（不重复编码 observation），而非含糊的"调用更少"
  • 判断一个任务是否根本不需要显式规划器——交给推理模型内化，还是外挂编排
  • 识别 5 类生产环境规划失败的根因：错误传播、重规划死循环、工具幻觉、过度分解、上下文爆炸

·一句话本质

一句话本质 · 贯穿全教程的视角

  • Agent 规划的本质是一条「提前承诺 ↔ 临场适应」的权衡轴：计划定得越死（ReWOO / LLMCompiler 一次性生成全图），越省 token、越能并行，却越看不见意外；越走一步看一步（ReAct），越能纠错，但每步都要把全部上下文重新喂一遍，代价高。
  • 而推理模型（o1 / o3 / DeepSeek-R1）的崛起，把「要不要外挂一个显式规划器」的默认答案从 yes 改成了「证明它必要」。

七种范式不是七个孤立的名词，而是这条轴上的不同落点。读这份教程时，每遇到一个新范式，先问：它在轴的哪一端？为这个位置付出了什么代价？

·现状速览（截至 2026-06）

哪些是定论 · 哪些还在动 · 哪些已被取代

稳定：ReAct 的「推理→行动→观察」循环、以及 orchestrator-workers（编排者-工人）模式（Anthropic《Building effective agents》, 2024-12），是当前 agent 的 settled 核心。

变化中：推理模型把规划吸进模型内部（o1 2024-09 → o3 2025-04、DeepSeek-R1 2025-01），显式规划框架从"默认要加"变成"按需才加"；test-time compute（让模型多想）作为规划替代被认真讨论（2025 年多篇论文）；LangChain 1.0（2025-10）废弃了 create_react_agent，转向统一的 create_agent + middleware。

已被取代：把 Tree of Thoughts 当通用规划器、手搓 Plan-and-Execute / ReWOO 图作为推荐路径、以及"永远给 LLM 外挂一个多步规划器"的 2023 式心智——都已退场或降级为边缘场景。

·读之前：一个诚实的提醒

流畅感 ≠ 学会了

规划范式读起来都很"顺"——名字好记、图好看、道理一听就懂。这种顺正是危险信号。下面三句话如果你心里冒出来，停一下：

「我读得很顺」——你记住的是熟悉感，不是结构。合上教程能复述出 ReWOO 为什么省 token 吗？

「我做题很快」——多半题型太标准。换个场景（live API 会报错的客服 agent）还选得对吗？

「我没卡壳」——往往意味着没真正碰到 schema 的硬骨头。本教程每章末的"刚好够不着"挑战就是用来制造卡壳的。

·概念地图

任务规划 Planning ①分解 ②选择 ③反思 ① 任务分解家族（同一目标，拆成步骤） LLMCompiler ReWOO Plan-Execute ReAct ← 提前承诺 · 省钱并行 临场适应 · 纠错灵活 → ② 多计划选择（探索多条路径，选最好的） ToT LATS 统一 ToT + Reflexion + ReAct ③ 反思与提炼（用上次失败改进下次） Reflexion 语言强化 · 写进记忆 前沿 2025–26 · 推理模型把规划吸进模型内部 显式规划器：从「默认加」变「证明必要才加」
图 0.1三大家族挂在「任务规划」之下；权衡轴只画在分解家族上。 注意：同一家族内部（LLMCompiler→ReWOO→Plan-Execute→ReAct）从左到右，是从「提前把计划定死」滑向「走一步看一步」——这条滑动就是全教程的主线，而底部的前沿条说明这条轴近两年整体被推理模型挪动了。

·学习路径建议

按目的选一条线，不必从头读到尾：

  • 只想建立全景认知：00 起点 → 01 基础（吃透权衡轴）→ 04 前沿 → 05 自测的应用判别题。跳过 02/03 的机制细节。
  • 要做选型 / 准备面试：完整顺读 01 → 02 → 03 → 04，重点啃每章的「备选方案对比表」和「带来的代价」段，最后用 05 的场景题自检。
  • 要带读别人的 agent 代码（看懂某框架为什么这么搭）：01 基础 → 02 分解家族（对号入座框架里的 planner/executor）→ 04 前沿看框架取向变迁。

·目录

01基础：规划是什么 & 权衡轴 为什么 agent 需要规划；承诺↔适应权衡轴（全程主线）；任务分解是根；三大家族分类；ReAct 作为基线。 02任务分解家族 沿权衡轴走一遍：ReAct → Plan-and-Execute → ReWOO → LLMCompiler，每个配机制、场景走查、取舍表。核心章。 03搜索 & 反思家族 ToT / LATS（多计划选择，搜索回溯）+ Reflexion（反思提炼，语言强化记忆）——分解轴之外的另两条路。 042025–26 前沿 推理模型如何吸收规划；test-time compute；"你到底需不需要规划器"；框架取向变迁与弃用。 05自测 & 辨析 跨章场景辨析（选哪个范式）+ 亲手画概念图 + 三层梯度的原子自测题，答案折叠。

·学完之后

  • 多智能体编排：规划决定单个 agent 怎么走；多个 agent 怎么分工与协调是上一层——它在你的 schema 上加了"谁来规划、规划给谁执行"。参见 multi-agent-patterns。
  • LangGraph 状态图：把本教程的 planner/executor/replan 落成可运行的图，加了"如何用持久化状态和条件边实现重规划"。参见 langgraph。
  • 记忆与 RAG：Reflexion 的"记忆"只是开头，长期记忆 + 检索如何反哺规划，加了"规划的输入从哪来"。
  • 经典 AI 规划：PDDL / HTN / 状态空间搜索，加了"在 LLM 之前，规划是怎么被严格定义和求解的"——理解 LLM 规划的边界。