Agent Patterns

一、基础控制流模式（Core Agent Patterns）

1. ReAct 模式（Reason + Act）

最经典、也是当前产品里最常见的默认形态：模型在每一轮决定「再想一想」还是「调用某个工具」，把工具返回写进上下文后继续，直到给出最终答复或达到停止条件。

机制（论文与实现中的对应关系）：

• Thought：推理下一步（有些实现把思考合并在 assistant 消息里，不单独展示）。
• Action：结构化工具调用（function / tool_calls）。
• Observation：工具结果作为新上下文（常建模为 tool 消息）。
• 循环：直到模型不再请求工具或触发上限/策略。

特点：

• 动态推理 + 工具调用，泛化好、接入快。
• 链路过长时易出现错误累积；需靠 工具契约、重试、护栏与评测兜底。

适用：问答、检索、API 调用、SQL/代码助手等「边想边查」的任务。

实践提示： LangChain 文档将 create_agent 作为面向生产的 Agent 入口；旧版 LangGraph 预置 create_react_agent 在 v1 迁移中已被替代方向标注，新建项目宜跟官方迁移指南选型。

2. Plan-and-Execute（规划-执行）

把「要做什么」与「怎么做每一步」拆开：Planner 产出可检查的计划（步骤列表、子目标或 TODO），Executor 按序或按需执行，减少模型在每一步重复从零规划的开销。

结构：

• Planner：生成任务计划（task list / 里程碑）。
• Executor：逐步执行，可将每步结果写回状态供重规划。

特点：更稳定、易插人审、易做进度展示；代价是至少多一轮规划调用与更复杂的状态设计。

适用：多步骤编码、数据分析流水线、需向用户展示「任务清单」的长程任务。

实践提示： 官方文档里与「结构化计划」相关的模式常和 状态里的任务列表、图节点分工一起出现；需要并行分支、重试与检查点时优先用图编排而非单循环硬写。

3. Reflection / Self-Refine（自反思）

在首轮答案之后增加 Critic（评审/打分/列缺陷）与 Refine（改写），可固定轮次或由停止条件触发。

流程：

• 初次输出（draft）。
• Critic：对照规格、测试、事实或风格约束给反馈。
• Refine：根据反馈修订；可循环。

特点：质量上限更高；成本上升；评审标准设计不好会出现「为改而改」。

4. Multi-Agent（多 Agent 协作）

多个专用 Agent（或同一模型不同系统提示）分担角色，通过消息、共享状态或调度器协同。编排上常用 层级（主从）、图（条件边、并行）、或 市场/拍卖式 任务分配（研究向较多）。

典型角色：Planner、Executor、Critic、Tool Agent（专精单一工具域）。

特点：边界清晰、易扩展；调试与观测成本显著上升，需要统一 trace（如 LangSmith）与清晰的消息协议。

实践提示： LangGraph 适合把多节点协作落成可检查、可持久化的图；不要过早多 Agent——多数场景单 Agent + 好工具 + 好评测更划算。

二、如何选型（简表）