在人工智能领域，AI Agent的设计和实现一直是研究和应用的热点。本文深入剖析了LATS（Language Agent Tree Search）这一前沿的AI Agent设计框架，供大家参考。

在上篇文章《AI大模型实战篇：Reflexion，通过强化学习提升模型推理能力》中，风叔结合原理和具体源代码，详细介绍了Reflexion这种本质是强化学习的AI Agent设计模式。Reflexion已经算是一种非常高级的设计框架，在解决很多复杂问题时，也能有比较好的表现。

在这篇文章中，风叔将为大家介绍可能是目前最强大的AI Agent设计框架，集多种规划和反思技术的集大成者，LATS。文章内容会相对比较复杂难懂，值得收藏和反复研读。

一、LATS的概念

LATS，全称是Language Agent Tree Search，说的更直白一些，LATS = Tree search + ReAct + Plan&Execute+ Reflexion。这么来看，LATS确实非常高级和复杂，下面我们根据上面的等式，先从宏观上拆解一下LATS。

1. Tree Search

Tree Search是一种树搜索算法，LATS 使用蒙特卡罗树搜索（MCTS）算法，通过平衡探索和利用，找到最优决策路径。

蒙特卡罗方法可能大家都比较熟悉了，是一种通过随机采样模拟来求解问题的方法。通过生成随机数，建立概率模型，以解决难以通过其他方法解决的数值问题。蒙特卡罗方法的一个典型应用是求定积分。假设我们要计算函数 f(x) 在[a, b]之间的积分，即阴影部分面积。

蒙特卡罗方法的解法如下：在[a, b]之间取一个随机数 x，用 f(x)⋅(b−a) 来估计阴影部分的面积。为了提高估计精度，可以取多个随机数 x，然后取这些估计值的平均值作为最终结果。当取的随机数 x 越多，结果将越准确，估计值将越接近真实值。

蒙特卡罗树搜索（MCTS）则是一种基于树结构的蒙特卡罗方法。它在整个 2^N（N 为决策次数，即树深度）空间中进行启发式搜索，通过反馈机制寻找最优路径。MCTS 的五个主要核心部分是：

1. 树结构：每一个叶子节点到根节点的路径都对应一个解，解空间大小为 2^N。
2. 蒙特卡罗方法：通过随机统计方法获取观测结果，驱动搜索过程。
3. 损失评估函数：设计一个可量化的损失函数，提供反馈评估解的优劣。
4. 反向传播线性优化：采用反向传播对路径上的所有节点进行优化。
5. 启发式搜索策略：遵循损失最小化原则，在整个搜索空间上进行启发式搜索。

MCTS 的每个循环包括四个步骤：

1. 选择（Selection）：从根节点开始，按照最大化某种启发式价值选择子节点，直到到达叶子节点。使用上置信区间算法（UCB）选择子节点。
2. 扩展（Expansion）：如果叶子节点不是终止节点，扩展该节点，添加一个或多个子节点。
3. 仿真（Simulation）：从新扩展的节点开始，进行随机模拟，直到到达终止状态。
4. 反向传播（Backpropagation）：将模拟结果沿着路径反向传播，更新每个节点的统计信息。

2. ReAct

ReAct的概念和设计模式，风叔在此前的文章中《AI大模型实战篇：AI Agent设计模式 – ReAct》已做过详细介绍。

它的典型流程如下图所示，可以用一个有趣的循环来描述：思考（Thought）→ 行动（Action）→ 观察（Observation），简称TAO循环。

• 思考（Thought）：面对一个问题，我们需要进行深入的思考。这个思考过程是关于如何定义问题、确定解决问题所需的关键信息和推理步骤。
• 行动（Action）：确定了思考的方向后，接下来就是行动的时刻。根据我们的思考，采取相应的措施或执行特定的任务，以期望推动问题向解决的方向发展。
• 观察（Observation）：行动之后，我们必须仔细观察结果。这一步是检验我们的行动是否有效，是否接近了问题的答案。
• 循环迭代

3. Plan & Execute

Plan & Execute的概念和设计模式，风叔同样在此前的文章中《AI大模型实战篇：AI Agent设计模式 – Plan & Execute》已做过详细介绍，因此不再赘述。

Plan-and-Execute这个方法的本质是先计划再执行，即先把用户的问题分解成一个个的子任务，然后再执行各个子任务，并根据执行情况调整计划。

4. Reflexion

Reflexion的概念和设计模式，风叔在上篇文章《AI大模型实战篇：Reflexion，通过强化学习提升模型推理能力》做了详细介绍。

Reflexion的本质是Basic Reflection加上强化学习，完整的Reflexion框架由三个部分组成：

1. 参与者（Actor）：根据状态观测量生成文本和动作。参与者在环境中采取行动并接受观察结果，从而形成轨迹。前文所介绍的Reflexion Agent，其实指的就是这一块
2. 评估者（Evaluator）：对参与者的输出进行评价。具体来说，它将生成的轨迹（也被称作短期记忆）作为输入并输出奖励分数。根据人物的不同，使用不同的奖励函数（决策任务使用LLM和基于规则的启发式奖励）。
3. 自我反思（Self-Reflection）：这个角色由大语言模型承担，能够为未来的试验提供宝贵的反馈。自我反思模型利用奖励信号、当前轨迹和其持久记忆生成具体且相关的反馈，并存储在记忆组件中。智能体利用这些经验（存储在长期记忆中）来快速改进决策。

因此，融合了Tree Search、ReAct、Plan & Execute、Reflexion的能力于一身之后，LATS成为AI Agent设计模式中，集反思模式和规划模式的大成者。

二、LATS的工作流程

LATS的工作流程如下图所示，包括以下步骤：

1. 选择 (Selection)：即从根节点开始，使用上置信区树 (UCT) 算法选择具有最高 UCT 值的子节点进行扩展。
2. 扩展 (Expansion)：通过从预训练语言模型 (LM) 中采样 n 个动作扩展树，接收每个动作并返回反馈，然后增加 n 个新的子节点。
3. 评估 (Evaluation)：为每个新子节点分配一个标量值，以指导搜索算法前进，LATS 通过 LM 生成的评分和自一致性得分设计新的价值函数。
4. 模拟 (Simulation)：扩展当前选择的节点直到达到终端状态，优先选择最高价值的节点。
5. 回溯 (Backpropagation)：根据轨迹结果更新树的值，路径中的每个节点的值被更新以反映模拟结果。
6. 反思 (Reflection)：在遇到不成功的终端节点时，LM 生成自我反思，总结过程中的错误并提出改进方案。这些反思和失败轨迹在后续迭代中作为额外上下文整合，帮助提高模型的表现。

下图是在langchain中实现LATS的过程：

第一步，选择：根据下面步骤中的总奖励选择最佳的下一步行动，如果找到解决方案或达到最大搜索深度，做出响应；否则就继续搜索。

第二步，扩展和执行：生成N个潜在操作，并且并行执行。

第三步，反思和评估：观察行动的结果，并根据反思和外部反馈对决策评分。

第四步，反向传播：根据结果更新轨迹的分数。

三、LATS的实现过程

下面，风叔通过实际的源码，详细介绍LATS模式的实现方法。关注公众号【风叔云】，回复关键词【LATS源码】，可获取LATS设计模式的完整源代码。

第一步 构建树节点

LATS 基于蒙特卡罗树搜索。对于每个搜索步骤，它都会选择具有最高“置信上限”的节点，这是一个平衡开发（最高平均奖励）和探索（最低访问量）的指标。从该节点开始，它会生成 N（在本例中为 5）个新的候选操作，并将它们添加到树中。当它生成有效解决方案或达到最大次数（搜索树深度）时，会停止搜索。

在Node节点中，我们定义了几个关键的函数：

• best_child：选择 UCT 最高的子项进行下一步搜索
• best_child_score：返回具有最高价值的子项
• height：检查已经推进的树的深度
• upper_confidence_bound：返回 UCT 分数，平衡分支的探索与利用
• backpropogate：利用反向传播，更新此节点及其父节点的分数
• get_trajectory：获取代表此搜索分支的消息
• get_best_solution：返回当前子树中的最佳解决方案

第二步 构建Agent

Agent将主要处理三个事项：

1. 反思：根据工具执行响应的结果打分
2. 初始响应：创建根节点，并开始搜索
3. 扩展：从当前树中的最佳位置，生成5个候选的下一步

对于更多实际的应用，比如代码生成，可以将代码执行结果集成到反馈或奖励中，这种外部反馈对Agent效果的提升将非常有用。

对于Agent，首先构建工具Tools，我们只使用了一个搜索引擎工具。

然后，构建反射系统，反射系统将根据决策和工具使用结果，对Agent的输出进行打分，我们将在其他两个节点中调用此方法。

接下来，我们从根节点开始，根据用户输入进行响应

然后开始根节点，我们将候选节点生成和reflection打包到单个节点中。

第三步 生成候选节点

对于每个节点，生成5个待探索的候选节点。

将候选节点生成和refleciton步骤打包在下面的扩展节点中，所有操作都以批处理的方式进行，以加快执行速度。

第四步 构建流程图

下面，我们构建流程图，将根节点和扩展节点加入进来

至此，整个LATS的核心逻辑就介绍完了。关注公众号【风叔云】，回复关键词【LATS源码】，可获取LATS设计模式的完整源代码。

总结

与其他基于树的方法相比，LATS实现了自我反思的推理步骤，显著提升了性能。当采取行动后，LATS不仅利用环境反馈，还结合来自语言模型的反馈，以判断推理中是否存在错误并提出替代方案。这种自我反思的能力与其强大的搜索算法相结合，使得LATS更适合处理一些相对复杂的任务。

然而，由于算法本身的复杂性以及涉及的反思步骤，LATS通常比其他单智能体方法使用更多的计算资源，并且完成任务所需的时间更长。

后记

这篇文章之后，整个《AI大模型实战篇》系列就全部介绍完了，这个系列一共包括八篇文章，从最经典的ReAct模式开始，沿着规划路线介绍了REWOO、Plan&Execute和LLM Compiler，沿着反思路线介绍了Basic Reflection、Self Discover和Reflexion，并以最强大的设计模式LATS作为收尾。整个系列基本上包含了目前AI大模型和AI Agent的全部主流设计框架，后续如果有新的前沿设计模式和具体案例，风叔还会零星做一些介绍。

但是，所有的这些设计模式，都只是在告诉AI Agent应该如何规划和思考，且只能依赖于大模型既有的知识储备。而实际应用中，我们往往更希望AI Agent结合我们给定的知识和信息，在更专业的垂直领域内进行规划和思考。

比如我们希望Agent帮我们做论文分析、书籍总结，或者在企业级场景中，让AI Agent写营销计划、内部知识问答、智能客服等等非常多的场景，只靠上面几种Agent设计模式是远远不够的，我们必须给大模型外挂知识库，并且通过工作流进一步约束和规范Agent的思考方向和行为模式。

解决这个问题的最佳方式是利用Rag技术，接下来我们正式开启《Rag系统实战篇》系列。在后续的几篇文章中，风叔将同样结合应用场景和源代码，详细介绍Rag系统的实现方式和优化技巧。

对于还不太了解Rag的读者，可以先参考风叔的这两篇文章进行预习。

《聊聊炙手可热的Rag：产生原因、基本原理与实施路径》

《Rag系统的发展历程，从朴素、高级到模块化》