Agent 中规划与执行怎么协同?
以 ReAct 为例,拆解规划与执行在 Agent 系统中的分工与配合
原题：请阐述你对智能Agent中‘规划’与‘执行’两个核心能力的理解，并举例说明它们在实际Agent系统中的体现与协同方式。
评估与监控 · 字节真题
30 秒回答
- 明确区分"规划"与"执行"的定义边界和核心职责
- 能结合具体架构（如ReAct、Plan-and-Execute）说明协同机制
- 举例体现动态调整能力（规划失败后的重规划）
- 提及实际工程中的权衡（规划开销vs执行效率）
回答与解析
答案要点
- 明确区分"规划"与"执行"的定义边界和核心职责
- 能结合具体架构（如ReAct、Plan-and-Execute）说明协同机制
- 举例体现动态调整能力（规划失败后的重规划）
- 提及实际工程中的权衡（规划开销vs执行效率）
核心理解
规划（Planning） 是Agent的"大脑"：将复杂目标拆解为可执行的子任务序列，决定做什么和先后顺序。关键能力包括任务分解、依赖推理、路径选择。
执行（Execution） 是Agent的"手脚"：调用具体工具/动作完成原子任务，决定怎么做。关键能力包括工具调用、异常处理、结果观测。
协同方式：以ReAct为例
循环：思考(规划) → 行动(执行) → 观察 → 再思考...
| 阶段 | 典型输出 | 作用 |
|---|---|---|
| 规划 | "我需要先查天气，再决定穿衣建议" | 确定下一步动作意图 |
| 执行 | 调用WeatherAPI(location="北京") | 获取具体数据 |
| 反馈 | 观测结果"晴，25°C" | 为下一轮规划提供依据 |
动态协同的关键：执行结果可能触发重规划——若API返回错误，Agent需重新规划替代路径（如换数据源或简化需求）。
工程实践中的体现
- Plan-and-Execute架构：先一次性生成完整计划（如"搜索→总结→翻译"），再逐条执行，适合确定性高的任务
- 反思机制（Self-Reflection）：执行失败后，规划模块分析原因并调整策略，而非简单重试
- 成本权衡：过度规划增加Token消耗和延迟，实际系统常设规划深度阈值或采用自适应规划
本质区别：规划处理不确定性（决策空间），执行处理确定性（动作落地），二者闭环迭代构成Agent的自主核心。
口语版讲法(约4分钟)
- 一句话定位：这道题考的是Agent怎么把目标拆成步骤、再落地执行，以及两者怎么闭环
- 规划是大脑，决定做什么和顺序；执行是手脚，具体调用工具
- 以ReAct为例说明协同：思考-行动-观察循环，执行结果触发重规划
- 工程落地：Plan-and-Execute适合确定性任务，反思机制处理失败，规划开销要权衡
- 结尾：用工程师视角总结取舍，并给出可延伸点
这道题问的是Agent的规划和执行，我觉得它本质是在考察一个Agent怎么把模糊目标变成具体动作，以及这两步怎么配合。如果只讲概念就太浅了，我更想从工程落地的角度来聊。
先说边界划分。规划是Agent的大脑，负责把复杂目标拆成可执行的子任务，决定做什么和先后顺序。比如用户说“帮我订一张去北京的机票”，规划层就要拆成“查航班、比较价格、下单支付”这几步，还得考虑依赖关系，比如先查航班才能比价格。执行是手脚，负责调用具体工具完成每个原子任务，比如调航班API、调支付接口。规划处理的是不确定性，因为决策空间很大；执行处理的是确定性，每个工具调用都有固定输入输出。
真正落地的时候，规划和执行不是串行的，而是循环迭代。最典型的架构就是ReAct，它的流程是思考、行动、观察、再思考。举个例子，一个客服Agent处理退款，规划层先决定“查订单状态”，执行层调订单API，返回“已发货”，那规划层就得重新规划，改成“联系物流拦截”或者“引导用户退货”。这个例子说明，执行结果会直接影响下一轮规划，如果API报错或者返回意料之外的数据，Agent必须能动态调整，而不是死板执行原计划。
不过ReAct每一步都重新规划，开销比较大。实际工程中我见过另一种做法，就是Plan-and-Execute架构，一次性先生成完整计划，比如“搜索资料、总结、翻译”，然后逐条执行。这种适合确定性高的任务，比如定时报表生成。但有个前提，就是任务环境不能太动态，否则计划生成后条件变了，执行就会失败。所以我会根据场景选架构，高动态场景用ReAct，稳定场景用Plan-and-Execute。
这里有个坑：规划开销。规划层每步都要调大模型，Token消耗和延迟都很可观。上线前我会设一个规划深度阈值，比如最多规划5步，超过就简化或者报错。另外，执行失败时，我倾向加一个反思机制，让Agent分析失败原因再重规划，而不是简单重试。比如调天气API超时，反思后决定换一个数据源，而不是再试一次同一个API。
所以我会把规划和执行看成一对共生关系：规划负责应对不确定性，执行负责稳定落地。两者通过观察结果形成闭环，但工程上必须控制规划成本，不能让Agent无限思考。
说到执行，其实工具调用设计也很关键，比如怎么注册工具、怎么校验参数、怎么做安全控制。这些细节如果没处理好，Agent很容易乱调工具或者泄露数据。
关键一句:工具调用的工程细节，比如注册、校验、安全控制，是Agent执行层落地的关键
面试官还可能这样问
- 问法 1 · 场景切入
假设我们要做一个智能客服助手，用户问‘帮我查下订单’，它知道要先查用户身份再调用订单API。这个‘知道要分两步’和‘实际去调API’分别对应你理解的什么？能展开说说吗？
- 问法 2 · 层层追问
你觉得Agent系统里，‘想’和‘做’是怎么分工的？……那如果中间某一步失败了，比如调API超时了，它怎么继续？……再深入一点，你如何设计才能让它在高并发下既不‘想’太久也不‘做’错？
- 问法 3 · 直球架构
请解释智能Agent中‘规划’和‘执行’的定义、区别，以及它们在一个实际系统（比如ReAct或Plan-and-Execute）中是如何协同工作的。最好举一个带动态调整的例子。