只会调 API、写 Prompt 可不够

Agent 的 3 种工作大脑

ReAct · Reflection· 规划执行

定义 · 使用场景 · 核心区别 · 组合拳

AI Agent 架构模式 · 科普

ReActReflectionPlan

5 PARTS + CONCLUSION

滑动

PART 01

开篇引入

三种性格

PART 02

小白也能懂

三种定义

PART 03

开发者实战

循环骨架

PART 04

进阶思考

区别与组合

PART ///

彩蛋思考

别踩的坑

01

PART

开篇：你手下其实有三个 AI

HOOK · 三种性格的打工人

基于ReAct、Reflection(反思)、Plan-And-Execute(规划执行)这三种架构的Agent，你可以简单理解为它们就是三种性格的打工人。

小 A 边查边干。你问他"这周有哪些值得关注的开源项目"，他不会先列提纲，而是先搜索，看了结果再决定下一步搜什么，走一步看一步。这是ReAct。

**小 B 做完还要自己改。**第一版写好了，他会自己通读一遍挑毛病，然后重写，再挑毛病再重写，直到满意。这是反思(Reflection)。

小 C 先交计划再动手。开工前先给你一份五步计划书，然后按部就班执行。这是规划执行(Plan-And-Execute)。

这三种模式，就是 2026 年你在几乎任何主流 Agent 框架里都能见到的三种最基础的大脑。后面那些看着很唬人的架构（LangGraph 的状态机、AutoGen 的多智能体、各种 Agent SDK 的编排），拆开来看，基本都是这三样的排列组合。所以搞懂这三样，看任何框架文档都能秒懂它在干什么。

02

PART

小白也能懂：三种模式的定义

BASICS · 三种"大脑"的运作方式

ReAct：边想边做，做中学

ReAct 是**Reasoning + Acting（推理 + 行动）**的缩写。它不要求模型动手前想好一切，而是把"思考"和"行动"织进同一个循环：

Thought（我想） → Action（我做） → Observation（我看到了什么） → 再思考…

用做饭打比方：你进厨房不会先在脑子里完整模拟一遍"番茄炒蛋"再开火——你是先开火、倒油、下番茄，炒着炒着发现汁水多了，才决定大火收汁。ReAct 就是这个节奏：每一步都根据刚刚看到的新信息，决定下一步干什么。

它解决的核心问题是：很多问题在动手之前拿不到关键信息。“今天适合晨跑吗？”——不查天气和空气质量，模型永远答不准。ReAct 就是让它先想"我需要数据"→ 调工具 → 看到数据 → 再想"根据数据怎么给建议" → 输出。现在的 Claude、ChatGPT 这类产品，底层跑的就是这个循环。

Reflection：先做，再自己挑刺

反思模式让 Agent 当自己的质检员。它不在乎一次生成得对不对，它赌的是——第二轮肯定比第一轮好。

生成一版答案 → 自己评估有什么毛病 → 根据毛病重写 → 再评估 → 满意就交稿

类比：写完作文初稿，你自己通读一遍，圈出"这段逻辑不通"“这个例子太空”，改出二稿。反思就是把这个"自己审稿"的动作制度化、循环化。

为什么有用？因为大模型有个毛病——它生成答案时是"自信地编"，一次生成的答案经常流畅但不准确。给它一个二次机会审视自己的输出，很多低级错误能自己揪出来。我实测过写代码任务：加上一轮反思，编译错误率能降一半以上（数据在后面）。

注意，反思有两副面孔：自我反思（同一个模型自己评价自己，省钱，但容易自我感觉良好）和换裁判（另一个模型当质检员，也就是 LLM-as-Judge，更客观，但贵一倍）。这俩差别很大，后面细说。

Plan-And-Execute：先交计划，再照单执行

规划执行把 Agent 拆成两个角色：**规划器（Planner）**负责把大任务拆成步骤清单，**执行器（Executor）**负责一步步照做。

Planner：任务 → [步骤1, 步骤2, 步骤3, …]
Executor：逐条执行（某步失败 → 带着失败原因回去重新规划）

类比：出差前先做行程单——机票哪天、酒店订哪、第一天去哪。执行的时候就不用反复"动脑子"了，照着单子走。它最大的收益是省 token：规划只做一次，执行每个步骤时上下文里只放当前这一步。代价是灵活性差——计划赶不上变化的时候，它容易抓瞎。

03

PART

开发者实战：三种模式的核心循环

HANDS-ON · 不贴完整代码，只给骨架

用同一个需求——“调研 2026 年值得关注的开源 Agent 框架”——看三种模式的核心循环长什么样。不贴完整代码，只给骨架。

ReAct：一个 while 循环搞定

…skeleton

核心循环：Thought → Action → Observation

while 没交卷:

思考(当前上下文) # Thought

调工具(如果需要) # Action

上下文 += 工具结果 # Observation

每轮都重发完整历史 → token 贵的根源

核心就一句话：**每轮把完整对话历史重发一遍，直到模型认为信息够了、直接回答。**这也是它 token 贵的根源。两个必踩的坑：循环次数不能无限次，max_steps 必须设——我见过 Agent 因为工具返回格式不对，连调 50 次，token 费比任务本身还贵；工具返回格式必须和 schema 严格一致，不一致模型会反复调同一个工具试图"理解"。

反思：生成 → 评估 → 重写

…skeleton

answer = 生成(问题) # 第一版答案

while 评估(answer).分数 < 阈值: # 自己当质检员

answer = 重写(answer, 评估意见)

阈值必须设，否则白烧钱

两个设计点要强调：满意阈值必须设——反思不是免费的，我见过团队把反思开到 5 轮，结果 70% 的答案第一轮就是好的，白烧了 4 轮的钱；代码类任务自己反思就够，写作/方案类建议换裁判模型——让模型自己夸自己写的东西，和让人类自己夸自己一样不靠谱。

规划执行：规划器 + 执行器

…skeleton

plan = 规划器(任务) # 拆成步骤清单

for 步骤 in plan:

执行器(步骤) # 每步只带当前步骤上下文

某步失败 → 带着失败原因重新规划 (re-plan)

省 token 的秘密就在"每步只带当前步骤的上下文"——不用每次重放整个任务背景。但省下来的代价是灵活性：如果计划里第 2 步失败，后面步数全部作废。所以生产环境必须带 re-plan；没有 re-plan 的规划执行，就是个精致的纸老虎。

三版实测对比

同一个需求、同一个模型，在我本机各跑了一遍。数字是单次测试，模型和 temperature 都会影响，别当基准，但量级和趋势是稳的：

指标	ReAct	规划执行	反思(+1 轮)
模型调用次数	8	6	10
token 消耗(约)	42k	18k	55k
输出质量	中，信息覆盖不错但有点跑偏	中，步骤清晰但漏了 License 维度	高，补漏删错
中途出错时	自动调整下一步	需显式 re-plan	只能改文字，改不了已做动作

三个数字一摆，前面的"三种性格"就具象了：小 A（ReAct）最能随机应变但最费钱；小 B（反思）质量最高但也最慢最贵，而且它只能改稿子，改不了已经干出去的事；小 C（规划执行）最省钱但最怕意外；

04

PART

进阶思考：区别与组合

ARCHITECTURE · 怎么选，以及它们其实总在一起

先上一张完整的区别表，这是全文的核心，建议收藏：

维度	ReAct	Reflection	规划执行
一句话定义	边想边做，思考与行动交替	先产出，再自我评估重写	先规划步骤，再逐步执行
决策时机	每步实时决策	产出后再决策改不改	开工前一次性决策
对外部信息依赖	强，专为此设计	弱，主要在文字层面打磨	中，执行阶段需要
token 成本	高，每步重发全量上下文	中高，多几轮完整调用	低，上下文按步精简
灵活性	高，能根据中间结果转向	中，只改进输出不改行为	低，计划错了后面全错
典型翻车方式	死循环、越查越偏	过度反思改坏、自夸空转	计划漏步骤、意外失败全崩
适合场景	信息不确定、需边查边决定	质量是生命线、可反复改	步骤明确、可提前规划

三选一？不，生产环境都是组合拳

讲个反直觉的事：**真实生产环境里，几乎没有哪个正经 Agent 只用其中一种。**我见过的架构基本是这个套路：ReAct 是地基（任何需要调用工具的循环，默认就是它）；复杂任务外层套规划执行把大方向定死，每个子步骤内部再跑 ReAct 应付细节；交付前最后加一轮反思做质检，把低级错误挡在门外。

**举个例子：**一个"自动写行业调研报告"的 Agent——规划执行负责定"搜什么→看什么→怎么写"的框架，每个"搜"的子步骤内部用 ReAct 决定搜什么词、看哪几页，最后整个报告生成完了，反思环节通读一遍补漏删错。三种性格各司其职，这才是 2026 年生产级 Agent 的真实长相。

我的 3 个判断问题

做技术选型时别问"哪个最好"，问自己三个问题：

判断 1

任务需要外部信息、可能中途转向？

需要 → 用 ReAct。这是它唯一不可替代的价值。

判断 2

任务 70% 的步骤能提前确定？

能 → 认真考虑规划执行，token 直接省一半（上面实测 42k → 18k）。

判断 3

输出质量是生命线、且允许反复改？

是 → 加反思环节，但轮数压到 2 轮以内。

反思被严重高估了。80% 的质量提升在第一轮反思就拿到了，第二轮边际收益骤降，第三轮开始原地打转甚至改坏。它不是在"提高质量"，而是在"花两倍的钱买 15% 的质量提升"，值不值取决于场景。

规划执行被严重低估了。大部分人一上来就写 ReAct，因为它"最通用"。但很多任务根本不需要每步都重新思考——比如周报、批处理、定时报表这类结构固定的活。用规划执行 token 省一半，稳定性还更高，只是它的前提（任务结构稳定）经常被忽略，导致翻车后被一棍子打死。

2026 年的几点观察

**各家官方 SDK 默认给 ReAct。**Claude 的 computer-use、OpenAI 的 agent 都是，因为它最通用、最不会错。

**LangGraph 把规划执行图式化。**变成显式的图结构，你可以精确控制每个节点，代价是心智负担。

**反思正在被"外包"。**很多团队不再让 Agent 自我反思，而是用另一个模型甚至规则去质检，因为"自己查自己"天然不可靠。

**趋势是进一步融合。**框架帮你做组合，你只需要描述任务，架构由框架替你拼。