深入理解agent

在智能体（Agent）架构中，规划器（Planner）、感知器（Perceiver/Sensor） 和 执行器（Executor/Actuator） 是三个核心组件，它们对应了思考-感知-行动的流程。可以把它类比成一个人：

• 感知器 就像眼睛、耳朵、触觉，负责接收外界信息
• 规划器 就像大脑里的计划模块，决定下一步该做什么
• 执行器 就像手、脚、嘴巴，把计划落实为实际动作

1. 感知器（Perceiver / Sensor）

功能

• 接收来自环境、用户或其他系统的输入
• 对原始数据进行解析、清洗、结构化
• 在 LLM Agent 中，感知器可以是：
  • API 调用结果解析器
  • 网页爬取模块
  • 摄像头、传感器接口
  • 用户输入解析（自然语言 → 结构化信息）

例子

在论文搜索 Agent 中，感知器会把用户输入的 "帮我找deepmd的论文" 转换成 {"task": "search", "keyword": "deepmd"} 这样的结构化指令。

2. 规划器（Planner）

功能

• 基于感知器提供的信息 + 任务目标，制定执行计划

• 可以是一口气生成完整计划（Plan-and-Execute），也可以是逐步生成（ReAct、Tree of Thoughts）

• 在 LLM Agent 中，规划器通常会：

  • 选择要调用的工具（Tool Selection）
  • 决定调用顺序（Action Ordering）
  • 判断中途是否需要调整计划（Replanning）

  

例子

对 "帮我找deepmd的论文"，规划器可能会生成：

1. 调用论文搜索 API
2. 过滤年份 > 2020 的结果
3. 输出标题 + 链接给用户

3. 执行器（Executor / Actuator）

功能

• 按照规划器的指令，调用具体的工具、API、函数，执行任务
• 返回执行结果给规划器（可能进入下一轮循环）
• 可以包含错误处理、重试逻辑

例子

规划器让执行器调用 arxiv.search(keyword="deepmd") 执行器实际发起 API 请求，并返回结果列表。

三者协作流程（循环）

感知器 → 规划器 → 执行器 →（新的信息）→ 感知器 → …

比如在论文搜索 Agent 中：

1. 感知器：接收 "帮我找deepmd的论文"
2. 规划器：制定调用 arxiv API 的计划
3. 执行器：实际调用 API，得到结果
4. 感知器：解析 API 返回的 JSON
5. 规划器：判断是否需要筛选/翻译/总结
6. 执行器：输出最终结果给用户

ReAct（Reason + Act）

核心思想 ReAct（Reason+Act）是让 LLM 在推理过程中交替进行推理（Reasoning）和行动（Acting），这样模型既能分析问题，又能主动调用外部工具或环境获取信息。

先思考需要哪些信息，接下来要怎么做；；

当思考完毕后调用工具

流程特点

1. Reasoning（推理） 模型先生成思考步骤（类似人类在纸上写的草稿）。
2. Acting（行动） 模型根据推理结果，调用工具（比如搜索引擎、计算器、API）获取新信息。
3. 交替循环 工具返回结果 → 模型继续推理 → 再决定是否执行下一步行动 → 直到得出最终答案。

优点

• 即时调整：每次获取新信息后，推理过程可以修正方向。
• 高灵活性：适合需要多步外部查询的任务（如推理+搜索）。

缺点

• 效率不高：每一步推理+行动都要等 LLM 输出，调用次数多时速度慢。
• 可能啰嗦：如果问题可以一步解决，也可能被拆成很多小步骤。

简单例子

问：法国总统的妻子叫什么？

• Reason：法国总统是谁？
• Act：搜索法国总统 → 返回“埃马纽埃尔·马克龙”
• Reason：马克龙的妻子是谁？
• Act：搜索马克龙的妻子 → 返回“布丽吉特·马克龙”
• Final Answer：布丽吉特·马克龙

Plan-and-Execute

核心思想 先让 LLM 一次性生成完整计划（Plan），然后按计划逐步执行（Execute）。 这样模型不需要在执行过程中不断思考下一步，而是先“画好地图”，再“按图行事”。

流程特点

1. Planning（规划阶段） 模型通览任务，设计出一系列有序步骤。
2. Execution（执行阶段） 严格按计划逐步调用工具或子任务。 计划和执行通常是分开的，甚至可能由两个不同的 Agent 来做（一个负责计划，一个负责执行）。

优点

• 执行效率高：不需要每一步都让模型重新思考流程。
• 更可控：有了完整计划，可以方便人工审核或修改。

缺点

• 不够灵活：如果执行中遇到意外情况，可能需要重新规划。
• 依赖计划质量：如果计划一开始有错误，后面执行也会跟着出错。

简单例子

问：帮我写一篇关于可持续能源的简报

• Plan：
  1. 搜集全球可持续能源数据
  2. 整理主要趋势
  3. 总结政策建议
  4. 撰写简报
• Execute：依次完成每一步，最终输出简报。

对比总结

Tree of Thoughts(ToT)

**Tree of Thoughts (ToT)**其实是对 LLM 推理的一种结构化升级版本，可以看作是 “链式思维（Chain of Thought, CoT）” 的进化版。

背景

• Chain of Thought (CoT)：让模型一步步推理，每次生成一个推理链（线性过程）。
• 问题：CoT 是“一条路走到底”，如果中途的推理方向错误，就很难回头尝试别的路径。
• Tree of Thoughts (ToT)：在推理过程中不仅考虑当前一步，还会同时探索多个可能的推理分支，像在搜索树中寻找最佳路径。

核心思想

ToT 把 LLM 的推理过程转化为 搜索问题：

1. 状态 (State)：当前的推理上下文（到目前为止生成的部分答案/思路）。
2. 动作 (Action)：在当前状态下，模型可以提出下一步推理的多种可能分支。
3. 评估 (Evaluation)：模型对每个分支的潜力打分（可用自己或外部函数评估）。
4. 搜索策略 (Search Strategy)：通过 BFS、DFS、启发式搜索等方法，在推理树中寻找最优路径。

流程举例

假设任务是“解一道逻辑推理题”：

1. 生成分支
   • 状态 S0（题目本身）
   • 模型提出 3 个可能的推理方向 → S1a, S1b, S1c
2. 评估分支
   • 给每个分支一个“可行性分数”
   • 选出分数高的几个继续扩展
3. 继续生成
   • 从 S1a 再生成 2 个可能推理 → S2a1, S2a2
   • 从 S1b 生成 1 个可能推理 → S2b1
4. 搜索最优解路径
   • 根据分数找到最终最优的推理链，输出答案。

优势

• 探索性强：同时保留多条思路，不会被一次错误锁死。
• 更接近人类思维：人类也会同时考虑多个假设，然后淘汰错误的。
• 灵活可调：可用不同搜索策略（BFS 保证全局，DFS 节省资源）。

缺点

• 计算成本高：需要生成、评估多个分支。
• 评估依赖模型能力：如果模型评估不准，可能浪费在错误分支上。

类比

• CoT：像走迷宫时只选一条路，走到死胡同才发现走错了。
• ToT：像在地图上同时标出几条可能路线，不断试探和修剪，最后走最优路线。

总结对比

提示工程的基本原则

• 从简单开始

• 指令清晰

• 限制长度

• 分解

• 避免“不做”

• 不断迭代

• 使用XML标签

渐进式模型选型策略

• 初期采用