- A+
1 Agent 定义
Agent = LLM + Tools（例如读写文件内容、查看文件列表、运行终端命令等（API函数））。
Agent 有很多种类，如编程 Agent（例如 Cursor），PPT Agent，深度搜索 Agent 等等。
2 Agent 运行模式
ReAct 和 Plan-and-Execute 是当前大模型智能体（LLM-based Agent）最主流的两种运行范式（Operating Paradigms），它们定义了智能体在执行复杂任务时的思考方式、工具调用方式和决策结构。
2.1 ReAct 模式（Reason + Act）
ReAct 模式由 Google Research 在论文 “ReAct: Synergizing Reasoning and Acting in Language Models” （ICLR 2023）中提出。核心思想是：让语言模型在推理（Reasoning）与行动（Acting）之间交替进行，通过与环境的反馈循环来动态调整策略。换句话说，它不是一次性生成完整计划，而是边思考边行动、边观察边修正。
1. 工作机制：Thought（思考） -> Action（行动） -> Observation（观察）-> Thought -> Action -> ... -> Final Answer（回答）。
| 阶段 | 内容 |
| Thought（思考） | 模型基于当前上下文和目标进行逻辑推理，决定下一步要做什么。 |
| Action（行动） | 根据推理结果执行动作，如调用工具、检索信息、执行代码等。 |
| Observation（观察） | 环境返回反馈结果（例如查询到的信息、函数输出等）。 |
| 循环执行 | 模型根据 Observation 更新思考，再决定下一步行动。 |
| Final Answer（回答） | 模型输出最终答案 |
2. 运行流程：
示例：
Prompt：“请查找世界上最高的山峰的高度”；
Thought: 我需要找出世界上最高的山峰。
Action: 查询 ‘世界上最高的山峰’。
Observation: 世界上最高的山峰是珠穆朗玛峰。
Thought: 我现在需要查询珠穆朗玛峰的高度。
Action: 查询 ‘珠穆朗玛峰 高度’。
Observation: 珠穆朗玛峰高8848.86米。
Final Answer: 珠穆朗玛峰高8848.86米。
2.2 Plan-and-Execute 模式
Plan-and-Execute 模式的基本理念是：先规划（Plan）整个任务的步骤【规划阶段】，再逐步执行（Execute）这些步骤【执行阶段】。是一种分层的 “任务分解式” 思维方式，强调全局规划与分步执行。
1. Plan-And-Execute Agent 组成：
- Plan 模型（列举执行计划）；
- Re-Plan 模型（根据每一步的执行结果动态修改执行计划）；
- 执行 Agent（用于执行每一个步骤）；
- 主程序（负责串联整个流程）；
其中，Plan 和 Re-Plan 模型可以是同一个模型也可以是两个不同的模型。
2. 运行流程：
3. 示例
（1）Planning 阶段，模型生成高层次的任务计划
Prompt：帮我撰写一份学术报告
计划：
Step 1. 搜集相关论文。
Step 2. 提取关键观点。
Step 3. 撰写摘要。
Step 4. 输出最终报告。（2）Execution 阶段
Agent 根据计划逐步执行：
执行 Step 1 -> 获取数据 -> 根据反馈更新计划（Replan）-> 执行 Step 2 -> ... -> 直至完成全部步骤。
每个子任务可单独完成，也可并行执行，可结合多个子 Agent 协作执行任务。
3 参考
