上一篇我们亲手接上了工具，看见了"思考-行动-观察"的循环。但你会发现，同样一颗引擎，有人调教出来的是复读机，有人调教出来的是老练的助手——差别不在模型，在于你给它的"思考套路"。

这一篇把业界真正跑通的三种套路拆给你看：边想边做的 ReAct、先规划再动的 Plan-and-Solve、做完再检讨的 Reflection。它们不是三套代码，而是三种关于"模型该怎么想"的设计取舍。

选哪种套路，直接决定你的智能体是稳还是乱。

一、直觉优先：三种套路，各管一类活

想象你让 AI 帮你查一家餐厅的评价。

ReAct（边想边做）：像经验丰富的侦探。它拿到问题后不急着动手，而是先想"哦，这事儿我知识库里没有，得搜一下"，然后真的去搜，拿到搜索结果后再想"原来是这家店差评集中在服务态度"，再决定要不要再搜一次确认。每一步都是"想一步、动一步、看完再想"。它的循环长这样：Thought（思考）→ Action（行动）→ Observation（观察），不断重复，直到它自己觉得能给出答案了，才用 Finish 收尾。这种套路适合信息在外部、边查边变的活——查天气、看股价、翻最新新闻、问数据库。2022 年 Shunyu Yao 提出这个设计时，核心洞察就是：思考和行动应该绑在一起，行动的结果会反过来修正思考。

打个更具体的比方：你要查"今年新出的两款旗舰机，哪台拍照更好"。ReAct 的做法是：先搜一次，看到甲机的评测关键词是"影像"，再决定要不要专门搜乙机的样张——它像侦探一样，根据上一步的线索决定下一步去哪里。

Plan-and-Solve（先规划再动）：像建筑师画蓝图。它不急着一步步搜，而是先把整个任务拆成一张清晰的步骤清单。比如"写一份市场分析报告"，它先列出"1. 收集竞品数据 2. 整理用户反馈 3. 画对比图 4. 撰写结论"，然后按这张清单一步步求解。2023 年 Lei Wang 提出这个方法时，针对的是思维链的三种常见翻车：漏步、算错、把题目理解偏了——先把计划写出来再答，这三类错误会明显减少。先谋后动，适合结构清晰、能提前拆成明确步骤的活——数学题、代码生成、多步骤报告。（工程上常把它落成Plan-and-Execute架构：先出计划、再逐步执行，执行中还能按新情况改计划。）

同一个任务，换个做法：同样是"写一份市场分析报告"，Plan-and-Solve 会，先花几分钟把整份报告的骨架想清楚（目录、分几部分、每部分要什么数据），然后按骨架一句一句填。它像写代码前先画流程图，骨架对了，细节才不会走样。

Reflection（做完再检讨）：像写完初稿校对的人。它先老老实实用上面两种方式之一跑一遍，得到一个初步答案；然后它换个角色当"评审员"，审视自己刚才的输出："这个数据对吗？""推理有没有漏洞？""有没有更简洁的做法？"——把发现的问题写成反馈；再拿着初稿和反馈重写一版。这一套叫"执行→反思→优化"，可以反复多轮，直到挑不出毛病为止。这套玩法有两篇经典论文：Self-Refine（Madaan 等，2023）——同一个模型既生成、又给自己挑错、再改一版；Reflexion（Noah Shinn 等，2023）——更进一步，把每次失败的教训写成语言化反馈存起来，下一轮带着这些教训重来（不更新模型权重）。先跑再改，特别适合对准确率要求高、不容许糊弄的活——代码审计、正式报告、关键决策。

这三个名字最容易混，一张表分清：

换个任务：让它查一个库函数的签名。Reflection 会先写一版，再自己质疑"这个参数名对吗"，回头翻文档确认——多花一次调用，换掉一个编造出来的 API，这笔买卖划算。

三种套路的本质区别，就在于"它什么时候停下来想"：ReAct 是每步都停，Plan-and-Solve 是开始前停一次，Reflection 是结束后再停一次。

图1 同一颗引擎、三副面孔：ReAct 像经验丰富的侦探，Plan-and-Solve 像建筑师画蓝图，Reflection 像写完初稿校对的人——本质区别在于"它什么时候停下来想"

二、各自的天花板和软肋

每种套路都有它会翻车的场景，心里有数才能用对。

ReAct 的软肋有三：

• 强依赖模型本身。 它每一步都靠模型生成格式正确的 Thought 和 Action，模型一旦指令遵循能力不足，整个循环就断。这不是小问题——很多时候智能体"突然变蠢"，不是模型变笨了，而是提示词里一个词的改动让它不再遵循格式。
• 串行成本高。 每一步都要调一次 LLM，任务步骤一多，耗时和费用一起涨。一个十步的任务，成本至少是一步任务的十倍，而且随上下文变长往往更高。
• 没有全局视角。 它只顾眼前这一步，可能走着走着选了条短期对、长期错的路径，甚至原地打转——因为它没有一张完整的"地图"告诉自己"终点在哪"。

Plan-and-Solve 的软肋在于：

• 规划阶段如果错了，全盘皆输。 它靠第一步的"列清单"定方向，清单本身要是写偏了，后面严格执行反而离题更远。模型如果一开始就没理解你要什么，列出的清单就是废纸。
• 缺乏灵活性。 计划一旦生成，它就按部就班，遇到计划外的新情况（比如搜索结果和预期不符）可能不会主动调整路线——它不像 ReAct 那样能根据新信息随时拐弯。

Reflection 的软肋最直白：

• 贵。 跑一遍还要再跑一遍反思、再跑一遍修改，LLM 调用量通常至少 2 到 3 倍（经验值）。任务越复杂，反思轮次越多，费用越可观。
• 反思模型自己也可能看错。 如果"评审员"水平不够，毛病看不出来，反而会把初稿往错误的方向改——等于一个不会挑错的人在帮你校对，越校对越离谱。
• 容易过度优化。 为了改一个小瑕疵，重写一大段，反而引入新的问题。

图2 结构不一样：ReAct 是思考→行动→观察不断重复、每步都停；Plan-and-Solve 是先全盘规划再按清单执行、开始前停一次；Reflection 是执行→自评→重写、结束后再停一次

三、实操：亲手跑一个 ReAct 循环

三种套路里，ReAct 是最经典的，也是教程里带完整代码的一种。核心逻辑就三行：格式化提示词 → 调 LLM → 解析它的 Thought/Action 并执行。下面给一个最精简的可运行骨架，你拿到就能改（配合第三篇的环境即可）：

import re# 沿用第三篇的 llm() 和 SYSTEM（格式契约），只换一个任务、加一个占位工具per_turn = [{”role”: ”system”, ”content”: SYSTEM},            {”role”: ”user”, ”content”: ”帮我查一下 MCP 协议的最新进展”}]def search(query):# 占位工具：换成 SerpApi、百度搜索、自家 API 都行    return f”（示意）搜到 3 条关于「{query}」的结果”TOOLS = {”search”: search}MAX_STEPS = 4# 硬刹车：模型开始说胡话时，循环不会自己停for step in range(MAX_STEPS):    out = llm(per_turn)# ① 调 LLM，拿回一段纯文本    if ”Finish” in out:        print(”答案：”, out.split(”Finish:”)[-1].strip())        break    m = re.search(r”Action:\s*(\w+)\((.*?)\)”, out)# ② 正则解析出 Thought 和 Action    if not m:        print(”格式不对，直接终止：”, out)# ③ 解析失败就不跟着错误往下跑        break    name, arg = m.group(1), m.group(2).strip(”\”'”)    result = TOOLS[name](arg) if name in TOOLS else f”没有这个工具：{name}”    print(f”[观察] {result}”)    per_turn += [{”role”: ”assistant”, ”content”: out},                 {”role”: ”user”, ”content”: f”Observation: {result}”}]

这段代码里有两处值得多说：

第一，MAX_STEPS = 4 是硬刹车。因为 ReAct 是"想一步动一步"的循环，模型一旦开始胡话，循环不会自己停。设一个上限，是防止它无限转圈白烧钱。教程里的正式版本还会配合正则解析：用 re 从 LLM 返回的纯文本里提取 Thought 和 Action；如果模型输出格式不对，解析失败就直接终止，不会跟着错误输出继续跑。

第二，search 函数在这里只是占位。真实世界里你换成 SerpApi、百度搜索，或者自家内部 API 都行——工具的具体实现不重要，重要的是"Thought/Action/Observation"这个循环格式。只要格式固定，换什么工具都能跑。

你会看到它一步步地想、搜、看、再想。这就是 ReAct 的全部秘密——不是模型更聪明了，是给它套上了一个"想一步动一步"的纪律。

跑不跑都行，但记住三行格式就够：Thought 让它"说理由"，Action 让它"交工具名和参数"，Finish 让它"交答案"。这三行，就是整个 ReAct 智能体的契约。

四、怎么选：一张对照表

实际产品里，这三种套路经常混着用。比如一个智能体先 Plan-and-Solve 列好步骤，中间用 ReAct 去调用工具查每一步的数据，最后用 Reflection 自查一遍再交付给你。

图3 按任务特征挑：要实时查资料、信息不确定用 ReAct；能提前拆成清单用 Plan-and-Solve；对准确率要求极高用 Reflection；既要查资料又要写报告就 ReAct + Reflection 组合——三种也经常混着用

写在最后

这一篇把"它到底怎么想"的三种套路讲透了。下一篇不再讲原理，直接给你看现成的轮子——Dify、Coze、n8n 这些低代码平台，到底把这三种套路封装成了什么模样，你不需要写一行代码就能搭出自己的智能体。

（十讲进度：01 划界 ✓ 02 为什么是现在 ✓ 03 有限引擎 ✓ 04 三大思考模板 ✓ —— 下一篇：不写代码也能搭：Dify/Coze/n8n）

本文事实核查时间：2026 年 9 月。三种套路分别依据 ReAct（Yao 等，2022）、Plan-and-Solve（Wang 等，ACL 2023）、Self-Refine（Madaan 等，2023）与 Reflexion（Shinn 等，2023）。