任务规划
Planning
又称： Plan-and-execute
智能体在执行前（或执行中）把一个大目标拆解成有顺序的、可执行的步骤序列的能力。
两种主流做法
- 先规划后执行（plan-and-execute）：先让模型产出完整步骤清单，再逐条执行。计划清晰、便于审查，但现实偏离计划时不够灵活。
- 边想边做（interleaved，如 ReAct）：不预先列全，走一步看一步。适应性强，但容易在中途“忘记”整体目标。
很多系统折中：先出一个粗略计划作为骨架，执行中允许根据观察结果局部改写。
为什么它决定长任务成败
长任务的失败往往不是某一步做错，而是步骤拆分本身有问题——遗漏了前置条件、顺序颠倒、粒度太粗。好的规划把风险前移到还便宜的时候暴露出来。Tree of Thoughts 等方法进一步让模型同时展开多个候选计划再择优。
常见误解
- 计划不是一次性的：优秀智能体会在证据变化时重规划，而非硬撑原计划。
- 更细的计划不总是更好，过度拆分会放大每一步的累积误差。
相关术语
参考来源
整理于 2026-08-29 · 本术语表基于公开论文、官方规范和行业通用定义整理，随领域发展会更新。发现问题欢迎反馈。