Agent 规划与反思 Plan / Reflect

摘要：ReAct 解决「一步步干」，但没解决「先想清楚再干」和「干完了复盘」。规划（Plan）让 Agent 在动手前产出可执行的步骤树；反思（Reflect）让 Agent 在每步或每轮后自检并修正。本文给出 Plan/Reflect 的生产范式、与 ReAct 的融合方式及成本权衡。

核心概念：Plan 与 Reflect 的分工

能力	时机	输入	输出	价值
Plan	任务开始前	目标 + 可用工具	步骤列表 / 依赖图	减少盲目探索、便于人工审批
Reflect	每步/每轮后	轨迹 + 观察	评价 + 修正建议	及时发现跑偏、自我纠错
ReAct	执行中	当前状态	下一步动作	落地执行

三者关系：Plan 给出蓝图，ReAct 按蓝图施工，Reflect 在施工中/后纠偏。缺少 Plan 易陷入低效试错；缺少 Reflect 易将错误一路带到底。

简单任务别过度规划

对线性、确定性强的任务，直接 ReAct 即可。Plan/Reflect 的额外 LLM 调用会成倍增加成本与延迟，只在「任务复杂、步骤多、易错」时启用。

架构与原理

Reflect 通常有两种粒度：逐步反思（每步后短评）与 轮次反思（一个子任务完成后整体复盘）。重规划（Re-plan）在反思判定「原计划不可行」时触发，需避免无休止重规划（设最大重规划次数）。

生产实践：Plan → Reflect 闭环

python

# plan_reflect.py —— 规划+反思示意 [未实测]
def plan(task, tools):
    return llm(f"为任务制定步骤树，可用工具: {tools}。输出 JSON 步骤列表。任务: {task}")

def reflect(trajectory):
    return llm(f"基于以下轨迹判断: 是否偏离目标? 有无错误? 给修正建议。\n{trajectory}")

def run(task, max_replans=3):
    steps = plan(task, TOOLS)
    for _ in range(max_replans):
        traj = react_loop(task, steps)        # 见 agent.md 的循环
        verdict = reflect(traj)
        if verdict.ok:
            return traj.final
        steps = verdict.revised_plan            # 重规划
    return traj.final  # 达上限，交人工

反思也可能「自我催眠」

模型反思有时会编造「已修正」的假象，或陷入「反思→重规划→再反思」的死循环。对策：反思输出强制结构化（含 ok: bool 与 evidence），并用最大重规划次数硬熔断。

操作步骤 / 配置

在 system prompt 中固化 Plan/Reflect 的输出 schema（避免自由文本难解析）。
为 Plan 阶段保留独立、较大的上下文，避免被执行轨迹挤占。
接入人工审批门：高风险任务在 Plan 完成后暂停，等人工确认再执行。

bash

# 环境变量控制是否启用规划/反思（便于灰度）
export AGENT_ENABLE_PLAN=1
export AGENT_ENABLE_REFLECT=1
export AGENT_MAX_REPLANS=3

验证

计划可用性：用复杂任务人工评审生成的步骤树是否完整、依赖正确。
反思有效性：构造一个已知会跑偏的任务，确认 Reflect 能识别并触发重规划。
终止性：确认最大重规划次数能拦停死循环。

回滚 / 清理

Plan/Reflect 的 prompt 与 schema 纳入版本管理；线上异常可切回「仅 ReAct」模式。
调试产生的计划树、反思日志含任务数据，定期清理防泄露。

故障排查

计划过于笼统：在 prompt 要求「每步必须对应一个具体工具调用」。
Reflect 总说 OK：反思 prompt 缺乏批判性指令，或缺少 evidence 约束。对策：要求给出反证。
重规划抖动：前后计划反复横跳。对策：对计划做版本化 diff，仅在偏差超阈值时重规划。

安全与合规

提示注入：Reflect 读取的轨迹含工具返回，可能含注入。对策：轨迹中工具结果标为不可信。
越权工具调用：Plan 可能规划出敏感动作。对策：Plan 阶段也受工具白名单约束；高风险步骤人工审批。
数据泄露：反思日志可能汇总 PII。对策：日志脱敏 + 访问控制。
成本失控：Plan/Reflect 各多一次 LLM 调用，叠加 ReAct 步数。对策：只在复杂任务启用 + 预算上限。

成本 / 性能

引入 Plan 与逐步 Reflect，LLM 调用次数约 = 1(plan) + N(reasoning) + M(reflect) + K(replan)。对 10 步任务，可能多出 30–50% 调用。收益是更低的「无效步数」与更高的成功率。性能上，Plan 在任务开头增加一次延迟（可接受），但避免了下游大量无效执行，整体 wall-clock 往往更优。以单调用均摊 $0.02、10 步任务额外 5 次调用估算，单任务多 $0.1 [版本相关]。

Agent 规划与反思 Plan / Reflect ​

核心概念：Plan 与 Reflect 的分工 ​

架构与原理 ​

生产实践：Plan → Reflect 闭环 ​

操作步骤 / 配置 ​

验证 ​

回滚 / 清理 ​

故障排查 ​

安全与合规 ​

成本 / 性能 ​

参考资料 ​