跳到主要内容

Agent 模式总览

读 Agent 各动手篇之前,先扫一眼本篇:ReAct、Plan-and-Execute、Reflexion、Multi-Agent、Coding Agent 不是一个层,也不是三选一。按任务结构选型,再点进对应正文。

主题入口
Agent 概念与循环Agent 核心概念与架构
Agent 题型速览Agent 系统高频题
最小可运行项目Agent 最小可运行项目
状态图编排[LangGraph 编排实践](/docs/ai/Agent/LangGraph 编排实践)
Coding Agent Harness[Pi Agent Harness 实践](/docs/ai/Agent/Pi Agent Harness 实践)
工具注册与轨迹工具调用与评测实践
记忆分层[Agent 记忆分层实践](/docs/ai/Agent/Agent 记忆分层实践)

主流模式地图​

你要解决什么问题?
  │
  ├─ 搞清楚 Agent 三件套(工具/记忆/规划)+ 循环
  │     → Agent 核心概念与架构
  │
  ├─ 单 agent + 几步可做完,关键是"想→做→看"
  │     → ReAct(基线)
  │
  ├─ 10+ 步、多分支,中途可能要重规划
  │     → Plan-and-Execute(规划/执行解耦)
  │
  ├─ 同一类任务反复错,要"吸取教训"
  │     → + Reflexion(反思写回记忆)
  │
  ├─ 任务需要不同专长(研究/写代码/测试/审)
  │     → Multi-Agent / GroupChat(注意复杂度税)
  │
  ├─ 真实代码仓库、终端交互、git/测试/commit
  │     → Coding Agent Harness(见 Pi Agent Harness)
  │
  └─ 系统无 API / 只能操作 GUI
        → Computer Use Agent

记忆口诀:ReAct 管 "怎么循环";Plan-and-Execute 管 "怎么规划";Reflexion 管 "怎么反思";Multi-Agent 管 "怎么分工";Coding Agent Harness 管 "怎么落地到真实仓库"。

模式是什么​

模式维度解决什么典型产物
ReAct控制流想→做→看 循环,出错能立刻修正单 agent + 工具 + observation
Plan-and-Execute控制流长任务先规划再执行,中途可重规划Planner + Executor 双 LLM
Reflexion增强失败后自我反思,反思写回记忆反思日志 + 改进的下一轮
Multi-Agent / GroupChat协作多个角色分工,各司其职Manager + Worker agents
Coding Agent Harness落地真实代码仓库交互,带 git/测试/commit终端型 coding agent(Claude Code / Pi)
Computer Use工具形态系统无 API 时用 GUI 操作截图 + 坐标点击
Agentic RAG增强RAG 工具化,agent 决定何时查、查几次Self-RAG / CRAG / Deep Research
手写 while 循环编排不依赖库,自己写终止条件while + max_steps
LangGraph 状态图编排节点/边/条件/中断/人审ReAct / Plan-and-Execute 状态图
LangChain AgentExecutor编排库内置 ReAct老式封装,灵活性差

常见误解​

误解实际
Agent 模式 = ReAct 一种ReAct 是最常见基线;Plan-and-Execute、Reflexion、Multi-Agent 是正交增强,可叠加
Multi-Agent 一定比 Single Agent 强Single Agent + 好工具往往够用;Multi-Agent 是复杂度税
模式越多越先进任务结构决定模式;不匹配的任务用错模式会拖慢且更易崩
Coding Agent = ReAct 套壳Coding Agent 有完整 harness(git/测试/commit/Skills/扩展),不是单 loop
Plan-and-Execute 一定优于 ReAct长任务用 Plan-and-Execute;短任务用 ReAct 更稳,规划也是成本
Reflexion 永远好反思模型本身可能错,记忆会越积越长,要淘汰机制
Agentic RAG = 多查几次 RAG不止次数,agent 决定查什么 / 不查什么 / 何时改写,是路由 + 反思的组合
用 LangGraph 就要全用图LangGraph 适合多分支/需要人审/长任务;简单 ReAct 用手写循环更清晰

按任务选型​

任务优先说明
固定流程 / 强合规不可逆规则引擎 / 人审别上 Agent
单工具、3 步以内function call不必循环
多步开放、需观察修正ReAct最常见生产选择
10+ 步、可能需要重规划Plan-and-Execute规划/执行解耦
同一类任务反复错+ Reflexion反思写回记忆
任务需要不同专长Multi-Agent / GroupChat注意复杂度税
真实代码仓库Coding Agent Harness见 [Pi Agent Harness 实践](/docs/ai/Agent/Pi Agent Harness 实践)
系统无 API,只能操作 GUIComputer UseAnthropic CUA / OpenAI Operator
多轮深检索 / 写研究报告Deep Research Agent检索 + 写作多轮
需要人在关键节点把关LangGraph 状态图 + interrupt见 [LangGraph 编排实践](/docs/ai/Agent/LangGraph 编排实践)

组合关系​

组合是否常见一句话
ReAct + RAG 工具常见Agent 决定何时查、查什么,见 RAG 与检索增强
Plan-and-Execute + Reflexion常见长任务 + 失败反思
Multi-Agent + LangGraph 状态图常见角色分工 + 可中断/人审
Coding Agent + 工具注册表(MCP)常见终端交互 + 标准化扩展
Agentic RAG + 多源检索进阶向量 + BM25 + Web,agent 路由
ReAct + 反思 + Agentic RAG进阶查→反思→再查→拒答,完整闭环

失败模式速查​

模式典型崩在哪怎么治
ReAct死循环、参数错填、observation 撑爆 context[Agent Loop 死循环治理](/docs/ai/Agent/面试/Agent Loop 死循环治理);工具 schema 写细
Plan-and-Execute计划太粗,replan 抖动计划粒度可调;失败局部重规划而非全重来
Reflexion反思本身错、记忆越长越长反思要带证据(trace);记忆要淘汰
Multi-Agent通信成本爆炸、角色串台max_rounds + manager;角色边界硬约束
Computer Use截图分辨率/坐标漂移;长任务上下文丢失关键信息入 long-term memory;失败回滚
Coding Agent改完不跑测试、不重索引、不 commit强制 hook:必须跑 lint/test 后才允许 next step
Agentic RAG反复检索拖慢 P95、检索改写引入新噪声限制最大检索轮次(常见 ≤3);加超时

选型决策树​

任务是什么?
│
├─ 步骤固定 / 强合规不可逆
│    → 工作流 / 规则引擎 / 人审(别上 Agent)
│
├─ 单工具 / 几步可做完
│    → function call / 单轮 RAG
│
├─ 5~10 步、需查外部、需观察修正
│    → ReAct(最常见生产选择)
│
├─ 10+ 步、多分支、中途需重规划
│    → Plan-and-Execute
│
├─ 同一类任务反复错、要吸取教训
│    → + Reflexion
│
├─ 任务需要不同专长(研究/写代码/测试/审)
│    → Multi-Agent / GroupChat(注意复杂度税)
│
├─ 真实代码仓库、终端交互
│    → Coding Agent Harness
│
└─ 多轮深检索 / 写研究报告
     → Deep Research Agent

深度与正文分工​

主题详细正文
Agent 概念与三件套Agent 核心概念与架构
Agent 题型速览(ReAct/记忆/规划失败/评测/安全)Agent 系统高频题
手写 ReAct 最小闭环Agent 最小可运行项目
状态图编排 / 人审[LangGraph 编排实践](/docs/ai/Agent/LangGraph 编排实践)
终端型 coding agent / Skills[Pi Agent Harness 实践](/docs/ai/Agent/Pi Agent Harness 实践)
工具注册 / 轨迹 / 评测工具调用与评测实践
记忆分层[Agent 记忆分层实践](/docs/ai/Agent/Agent 记忆分层实践)
Multi-Agent 框架[OpenManus 概览与实现原理](/docs/ai/Agent/面试/OpenManus 概览与实现原理)
死循环治理[Agent Loop 死循环治理](/docs/ai/Agent/面试/Agent Loop 死循环治理)
RAG + Agent 组合RAG 与框架选型 §"Agent 里要查私有库"

面试速记​

  1. Agent 模式怎么分? 控制流(ReAct / Plan-and-Execute / Reflexion)+ 协作(Multi-Agent)+ 落地(Coding Agent / Computer Use)。
  2. ReAct 是什么? Reason + Act:交替推理与工具调用,用观察修正下一步。
  3. 何时不用 Agent? 固定流程、强合规不可逆、单工具短任务——规则/RAG/人审更合适。
  4. 何时上 Multi-Agent? 任务确实需要不同专长;否则 Single Agent + 好工具更稳。
  5. 选型第一步? 先看任务结构(步骤数、分支、可逆性),再看工具数与容错,别一上来堆框架。