专栏持续更新 Agent&RAG 系列，从基础概念到工程落地，适合入门和面试复习。
什么是 ReAct
ReAct = Reason + Act（思考 + 行动）。 一句话理解：想一步，做一步，做完再想下一步。
就像你找东西： 思考：我需要找水杯，先看看桌子上有没有。 行动：扫视桌面。 观察：桌子没有。 思考：那去柜子里找找。 行动：打开柜子。
每一轮循环：思考 Reason → 调用工具行动 Act → 拿到结果观察 Observation。 模型不会一次性把全部计划写死，会根据每一步返回的结果动态调整思路。 优点：遇到意外、信息变化时可以灵活改方向； 缺点：任务很长的时候，容易中途跑偏，步骤越往后越容易遗忘目标。
什么是 Plan-and-Execute
Plan-and-Execute，也就是先规划，后执行。 一句话理解：先把完整任务清单一次性写好，再挨个按计划执行。
类比旅游：出发前先做好完整行程表，第一天去哪、第二天去哪，全部规划完毕，之后只需要按清单依次打卡。
分为两个阶段：
优点：长任务逻辑稳定，不容易跑偏，步骤可控，方便调试； 缺点：如果执行过程出现意外，原始计划失效，不会自动修正，灵活性差。
ReAct 和 Plan-and-Execute 的核心区别
执行逻辑 ReAct：迭代式，思考和行动交替进行，动态根据结果调整思路。 Plan-and-Execute：一次性前置规划，计划固定，后续按计划执行。
应对突发情况 ReAct：强。执行中间发现信息不对，可以立刻调整下一步策略。 Plan-and-Execute：弱。计划一旦制定，遇到意外容易卡住，需要额外增加重新规划机制。
长任务稳定性 ReAct：长链路容易出现漂移，忘记最初目标。 Plan-and-Execute：整体目标不容易跑偏，适合固定流程类任务。
适用场景 ✅ ReAct：开放式、不确定的任务，比如联网检索问答、未知问题排查。 ✅ Plan-and-Execute：目标明确、流程固定的复杂任务，比如批量数据处理、结构化多步骤工作流。
落地小总结
没有绝对好坏。
- 任务不确定性高、随时可能拿到新信息 → 优先 ReAct
- 任务步骤多、流程固定，希望整体可控可追溯 → 优先 Plan-and-Execute 现在很多工程方案也会做混合：先用 Plan 拆解大任务，子任务内部用 ReAct 动态执行，取长补短。
💬互动提问：你在写 Agent 的时候，更偏向用 ReAct 还是 Plan-and-Execute？有没有遇到计划崩掉的场景？欢迎评论区一起讨论。
