智能体核心循环：感知规划行动反思

无论多复杂的 Agent，其工作方式都能归纳成同一个循环：感知（Perceive）→ 规划（Plan）→ 行动（Act）→ 反思（Reflect），然后带着新信息再来一轮，直到任务完成或到达上限。本章拆解这个循环，并介绍三种经典实现模式。

循环总览

感知 → 规划 → 行动 → 反思
 ↑                    ↓
 └────── 不满足则再来一轮 ←─┘

循环不会无限转下去：达成目标、到达最大轮数、用户中止或工具连续失败，都会结束本轮；工程实现里这三类终止条件都要显式写好。

感知：收集当前状态

Agent 每轮先「看」清现状：用户的新消息、上一次行动的返回结果、工具报错、环境变化。落到代码上，感知就是把各类信息整理成给模型的 messages。感知不全，后面的规划必然跑偏。

规划：决定下一步

模型基于现状决定该做什么：一步到位还是先拆子任务，用哪个工具、传什么参数。规划可以很轻（模型随口说出下一步），也可以很重（先写一整套计划再逐步执行）。关键是让模型把「打算」显式说出来，便于程序检查与记录。

行动：执行并拿到结果

行动是真正产生效果的一步，核心就是调用工具：查数据库、执行代码、发 HTTP 请求、读写文件。工具调用是行动的核心——模型不亲手做事，它只负责「决定」，由程序去「执行」，再把真实结果喂回来。编程上，这一环通常就是「模型输出工具调用请求 → 程序执行 → 把结果回填给模型」的往返。行动失败本身也是信息，照样要带进下一轮。

反思：评价并修正

对照目标检查刚才的结果是否符合预期：错了就分析原因，缺信息就补充查询，方向偏了就调整计划。反思让 Agent 从单次「撞运气」变成能收敛的搜索过程，也是自我纠错能力的基础；缺少反思的 Agent，容易在同一类错误上反复跌倒。

ReAct 模式

ReAct（Reasoning + Acting，推理+行动）让「想」与「做」交错进行：模型想一句、做一步、看结果、再想。实现上每轮让模型输出 Thought（思考）→ Action（动作）→ Observation（观察）三段，循环往复。它简单通用，适合工具调用不深的场景。

Plan-and-Execute 模式

先让模型一次性产出完整计划，再逐条执行、逐条核对，执行中发现问题可回到计划层修订。相比 ReAct，它先有全局路线图，适合步骤多、可预见的任务；缺点是计划可能脱离现实，需要校验机制兜底。

Reflection 模式

执行完一轮后单独让模型做「事后复盘」：哪里做错了、下次怎么改，把结论写回记忆或上下文，指导后续轮次。反思可以是内嵌的轻量提示，也可以是独立的评审环节，是让错误「沉淀下来」的关键手段。

三种模式对比

模式	核心思路	优点	短板
ReAct	想一步做一步	灵活、实现简单	步骤多时易绕远
Plan-and-Execute	先计划后执行	有全局路线、省轮次	计划可能脱离现实
Reflection	事后复盘修正	错误可沉淀、可收敛	每轮多一次开销

工程上常见的是混合用法：先用 ReAct 把任务跑通，遇到反复失败再切到 Plan-and-Execute 重排计划，并定期插入 Reflection 做复盘。

小结

感知、规划、行动、反思构成 Agent 的「心跳」：感知给足信息，规划做出决策，行动落地并拿到反馈，反思保证不重蹈覆辙。ReAct、Plan-and-Execute、Reflection 只是把循环编排成不同节奏，实际系统里常常混用三者。