Agent 的规划怎么做？ReAct 和 Plan-and-Execute 有什么区别？
面试怎么回答
ReAct 是边想边做，每一步基于最新观察决定下一步，灵活，适合探索性的排查任务，但容易走偏、步数多了会忘记目标。Plan-and-Execute 是先生成完整计划再执行，有全局视角、便于审核和监控，但计划基于初始信息，需要重新规划机制。实践中我会混合：先生成粗计划作为待办清单，每一步内部用 ReAct 执行，遇到和预期不符的结果触发重新规划，并设最大步数、Token 和耗时。对于指标异动分析这类常见任务，给出标准步骤模板让模型在模板上调整，高风险任务先让用户确认计划。
先把这段讲顺；面试官追问时，再展开下面的原理和细节。
详细讲解
Agent 面对一个复杂任务，比如「分析上周 GMV 下降的原因并写一份报告」，要决定先做什么、后做什么。面试官问规划方式，想看你是否理解不同规划方式的适用场景和失败模式。
ReAct：边想边做
ReAct 的循环是：思考下一步 → 调用工具 → 观察结果 → 再思考。
- 优点：灵活，每一步都基于最新的观察结果；适合探索性任务，比如排查问题，不知道下一步会发现什么；
- 缺点：容易「走一步看一步」走偏，缺少全局视角；步数多了以后上下文变长，可能忘记最初的目标或者陷入重复调用。
Plan-and-Execute：先计划再执行
先让模型生成完整的计划（步骤列表），再逐步执行，必要时重新规划。
- 优点：有全局视角，步骤清楚，方便人审核和监控进度；执行步骤可以用更便宜的模型，甚至部分并行；
- 缺点：计划是基于开始时的信息做的，执行中发现新情况，需要有重新规划的机制；否则会机械地执行一个已经不合适的计划。
实践中的混合做法
- 先生成一个粗粒度的计划，作为「待办清单」记录在上下文或外部状态里；
- 每一步内部用 ReAct 的方式执行；
- 每完成一步更新清单，遇到和预期不符的结果时触发重新规划；
- 设置最大步数、最大 Token、最大耗时，超过就停下来汇报进度。
规划质量怎么保证
- 约束模板：对于常见任务（指标异动分析、任务失败排查），给出标准的步骤模板，让模型在模板上调整，比完全自由规划更稳定；
- 计划可审核：高风险任务先把计划给用户确认再执行；
- 评测：除了最终结果，也评估计划是否合理、是否遗漏关键步骤。
数据场景的例子
「GMV 为什么下降」：计划可以是确认数据是否正常 → 按渠道、品类、地区拆解 → 定位贡献最大的维度 → 查找相关业务事件 → 写结论。每一步再用工具去查。这和我们手工做指标异动分析的思路是一样的。