规划（Planning）

是什么

规划是智能体面对一个目标时，先把目标拆成若干中间步骤，再决定当前该做什么，观察结果后继续；它不是一次生成最终答案。^[1][2] 这个定义强调两件事：分解，以及行动选择。对复杂任务来说，单次生成容易把早期错误带到后面；规划把过程展开，让模型有机会检查、修正和继续。^[1][2]

怎么工作

一个常见的规划循环是：表示目标，提出中间步骤，选择下一步行动，读取行动结果，更新计划。ReAct 是这种思路的具体做法：模型交替生成推理轨迹（reasoning trace）和面向任务的行动（action），而不是把推理和行动分开。^[1] 推理轨迹用来归纳、跟踪和更新行动计划，也用来处理异常；行动则让模型查询知识库（knowledge base）或环境等外部来源。^[1] 例如，当一个问题需要两处证据时，智能体可以先计划一次检索，读到结果后再决定第二次检索或停止；这个例子只是说明循环，不是某个系统的固定流程。

ReAct 在 HotpotQA 问答和 Fever 事实核查上，通过调用一个简单的维基百科 API（Wikipedia API）与外部信息交互，克服了链式思考（chain-of-thought）推理中常见的幻觉和错误传播。^[1] 在交互式决策基准 ALFWorld 和 WebShop 上，ReAct 超过模仿学习（imitation learning）和强化学习（reinforcement learning）方法，绝对成功率分别高出 34% 和 10%，而提示中只给了一两个上下文示例（in-context example）。^[1]

思维树（Tree of Thoughts）把规划推得更远。它由同一批作者在 2023 年 5 月提出，把链式思考提示推广为对连贯文本单元的探索，这些文本单元作为中间步骤。^[2] 模型可以同时考虑多条推理路径，对自己的选择做自评估（self-evaluate），向前看，并在需要时回溯。^[2] 它针对的是需要探索、策略性前瞻，或者最初决定非常关键、从左到右解码（left-to-right decoding）处理不好的任务。^[2] 在 Game of 24 上，使用链式思考提示的 GPT-4 只解决了 4% 的任务，而思维树达到 74% 的成功率。^[2]

从哪来

ReAct 由 Yao 等人在 2022 年 10 月发表，核心是让推理轨迹和任务行动交错出现。^[1] 思维树由同一批作者在 2023 年 5 月发表，把中间步骤从一条链扩展成可搜索的多条路径。^[2] 两者共同把模型从立即作答，推向在工作过程中规划、行动和修正。

今天用在哪里

在需要调用工具、检索资料、操作环境或完成多步任务的智能体里，规划通常表现为计划—行动—观察—修正的循环。模型先决定下一步做什么，执行后读取反馈，再更新计划。^[1] 这类结构适合信息不完整、需要外部查询或需要多步决策的场景；ReAct 的检索与行动交错、思维树的多路径探索，分别对应其中的两种常见需求。^[1][2]

局限

规划不是越多越好。探索多条路径、反复自评估和执行外部行动会增加计算和调用成本；自评估也可能判断错误，外部工具可能失败，简单任务未必需要复杂规划。^[1][2] 因此，规划的价值在于把困难任务拆成可检查的步骤，而不是给所有问题都套上最重的搜索过程。