Agent设计模式

我们可以将智能体（Agent）理解为一个具备自主理解、规划、记忆和工具使用能力的数字化实体。想象一个高度智能的个人助理，你只需告诉他“帮我规划一次去千岛湖的周末旅行”，他就能自主完成以下任务：

• 感知（Perception）：理解用户的自然语言指令。
• 规划与推理（Planning & Reasoning）：借助模型推理能力，将任务拆解为查询往返机票、筛选酒店、规划景点路线、预估预算等子任务。
• 记忆（Memory）：记住你之前的偏好，比如喜欢靠窗的座位、偏爱的经济型酒店。
• 工具（Tool）：调用外部工具，如机票预订 API、酒店查询系统、地图服务等，来执行这些子任务。
• 反馈与迭代（Feedback & Iteration）：将规划好的行程草案反馈给你，并根据你的修改意见进行调整，最终完成预订。

智能体让 AI 从一个只会内容生成的语言模型，进化成一个具备自主规划能力的行动者。

1、Chain of Thought（思维链）

• 提出背景：Google Research 在 2022 年发表的论文《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》。
• 核心思想：让模型在回答前，把推理过程一步步写出来。不是一口气报出答案，而是把整个推理过程展示出来。
• 场景例子：问小王比小李大 1 岁，小张的年龄是小李的两倍。如果三个人的年龄加起来是 41岁，问小王多大？思维链方式：假设小李的年龄是 x，那么小王 = x + 3，小张 = 2x，总和 = (x + 1) + x + (2x) = 4x + 1，4x + 1 = 41，4x = 38，x = 10，所以小王 = 10 + 3 = 13。结果小王 13 岁。这种方式在逻辑推理、数值计算、逐步分析类问题里，会显得更稳健。

2、Self-Ask（自问自答）

• 提出背景：Microsoft Research 在 2022 年的研究工作《Self-Ask with Search》（https://arxiv.org/abs/2210.03350，https://github.com/ofirpress/self-ask）。
• 核心思想：让模型在回答时学会“反问自己”，把大问题拆成多个小问题，然后逐个回答。
• 场景例子：问2016 年奥斯卡最佳男主角的年龄是多少？Self-Ask 会先问：2016 年奥斯卡最佳男主是谁？（答：李奥纳多·狄卡比奥），再问他当时多大？（答：41 岁），最后组合答案。这种方式特别适合事实链路长的问题。

3、Reflection / Self-Critique Loop（反思／自我批评循环）

提出背景：论文 《Self‑Reflection in LLM Agents: Effects on Problem‑Solving Performance（Renze & Guven, 2024）》提出让大语言模型（LLM）在回答后反思自己的错误并修正。另外，框架 Reflexion（Shinn et al., 2023）提出语言代理通过“口头强化（verbal reinforcement）”方式记忆反思（[https://arxiv.org/abs/2303.11366])(https://arxiv.org/abs/2303.11366)）。

• 核心思想：在模型输出答案之后，主动让模型“回顾”其推理或行动过程，识别可能的错误／偏差，然后基于反思内容生成修正或改进版答案。类似“生成 → 检查 →修正”的循环。
• 场景例子：你让 Agent 撰写一份技术方案或代码片段：首先模型给出版本 A；然后进行反思：「我可能漏掉了异常处理 X」；然后生成版本 B 加入异常处理。结果输出版本 B 更健壮。

4、ReAct（推理 + 行动）

• 提出背景：Princeton 与 Google Research 在 2022 年论文《ReAct: Synergizing Reasoning and Acting in Language Models》（https://research.google/blog/react-synergizing-reasoning-and-acting-in-language-models/）。
• 核心思想：在推理（Reasoning）和外部行动（Acting，比如调用搜索引擎或 API）之间交替进行。ReAct 比 CoT、Self-Ask 更全能，原因在于它不仅是推理模式，还内建了与外部世界交互的闭环。
• 场景例子：问杭州昨天的天气？ReAct 会先想：“我不知道昨天的天气，需要查询”，然后执行“调用天气 API”，再推理并回答。这让 Agent 既有思维，又能动手。

5、Plan-and-Execute（计划与执行）

• 提出背景：出现在 2023 年前后的 Agent 应用开发框架实践（如 LangChain 社区），参考https://aclanthology.org/2023.acl-long.147.pdf、https://blog.langchain.com/planning-agents/。
• 核心思想：把任务拆成两个阶段，先生成计划（Planning），再逐步执行（Execution）。
• 场景例子：假设你让 Agent 写一篇“新能源车的市场调研报告”，它不会直接生成报告，而是先拟定计划：收集销量数据，分析政策趋势，总结消费者反馈，撰写结论。然后逐条执行。适合多步骤、需长时间任务的场景。

6、Tree of Thoughts (ToT，树状思维)

• 提出背景：Princeton 和 DeepMind 在 2023 年的论文《Tree of Thoughts: Deliberate Problem Solving with Large Language Models》。
• 核心思想：不是单线思维，而是生成多条思路分支，像树一样展开，再通过评估机制选出最佳分支。
• 场景例子：解一道数独时，Agent 会尝试多个候选解法（分支 A、B、C），逐步排除错误分支，最终选出唯一解。适合复杂规划和解谜任务。

7、Multi-Agent / Collaboration 模式

• 提出背景：综述论文 《Multi‑Agent Collaboration Mechanisms: A Survey of LLMs（Tran et al., 2025）》专门对 LLM 为基础的多代理系统进行了归纳。 此外，研究 Scaling Large Language Model‑based Multi‑Agent Collaboration（Qian et al., 2024/25）探讨了代理数量扩展的协作效应。
• 核心思想：将多个 Agent（每个可能具备不同角色/能力）组合起来协作，通过分工、沟通、协调完成比单一 Agent 更复杂的任务。可以有“专门角色 Agent”“监督 Agent”“执行 Agent”等。
• 场景例子：一个市场调研任务：Agent A 负责数据采集，Agent B 负责数据分析，Agent C 负责报告撰写。三者协作完成整体任务，比一个 Agent 从头做更高效、更模块化。

8、World-Model / Simulation Pattern（世界模型／模拟推演）

• 提出背景：论文 《Is Your LLM Secretly a World Model of the Internet? Model‑Based Planning for Web Agents（Gu et al., 2024）》提出让 LLM 担任世界模型来预测动作后果。 另一个相关框架 Reasoning with Language Model is Planning with World Knowledge Model（Hao et al., 2023）也讨论了基于状态模拟的推理结构。
• 核心思想：在模型真正执行行动之前，先在一个「内在世界模型／模拟环境」中，对可能的动作路径进行推演、预测后果，然后选择最优策略再执行。
• 场景例子：Agent 需要在网页中执行一系列操作（比如填写表格、点击按钮、获取结果） — 它先在模拟环境中预测「如果我先点击 X，再输入 Y，会得到啥？」「或者我先输入 Y，再点击 X 会怎样？」然后选最优顺序正式执行真实操作。

• 提出背景：论文 《Interactive Planning with Large Language Models Enables General Agent Automation（Wang et al., 2023）》探讨了用 LLM 作为规划器 + 执行者的双层结构。 虽然“Meta-Agent”这个具体标签较少，但这种“规划层 + 执行层”架构正在成为趋势。
• 核心思想：在系统中引入“元代理”（Meta-Agent）负责战略规划、目标拆解；底层多个子代理或模块负责执行具体子任务。系统结构分层：最高层负责“做什么”“为什么做”，下一层负责“怎么做”“谁做”。
• 场景例子：你让 Agent 完成一个“产品上线发布”任务：Meta-Agent 制定计划（调研 → 开发 → 测试 → 上线），然后各子模块 Agent 分别执行（调研 Agent、开发 Agent、测试 Agent、部署 Agent）。Meta-Agent 在必要时重新协调更新计划。

10、Graph-/Tree-Expansion 推理模式（“图思维／树思维” 的扩展）

• 提出背景：Tree of Thoughts: Deliberate Problem Solving with Large Language Models（Yao et al., 2023）是树状思维基础，但后续有论文如 《SimuRA: Towards General Goal‑Oriented Agent via Simulative Reasoning Architecture with LLM‑Based World Model（Deng et al., 2025）》采用“图（Graph）”形式的思维扩展。
• 核心思想：不仅生成一条思路（线性链），也不是仅树状，而是“图状”展开多个候选思路／路径（节点＝状态／想法，边＝转换），然后通过评估机制选出最佳路径。比简单树状更灵活，适用更大解空间。
• 场景例子：Agent 解决一个复杂规划问题（如多步跨部门项目、谜题或游戏）。它首先展开多个可能路径（例如路径 A、B、C …），在每个路径内部再展开子分支；通过评估机制（成本、风险、收益）最终选中一个最优路径执行。

• 提出背景：这一模式由 LangChain、OpenDevin、AutoGPT 等框架实践逐步形成；学术上相关研究如 Toolformer: Language Models Can Teach Themselves to Use Tools（Schick et al., Meta AI, 2023）奠定了让 LLM 自学使用外部工具的基础。LangChain Agents 文档示例：https://python.langchain.com/docs/modules/agents/
• 核心思想：让 Agent 不仅能调用单一工具，而是构建和执行一个工具调用链（Tool → Tool → Tool）。Agent 会根据任务自动选择合适的外部接口或函数，形成“计划—调用—验证”的流水线。
• 场景例子：例如一个数据分析 Agent：1.调用爬虫 API 抓取数据；2.调用 Python 计算函数分析结果；3.再调用 chart API 绘制图表；4.最后生成报告。整个过程像流水线一样由 Agent 自动调度完成。

12、Memory-Augmented Agent（记忆增强型智能体）

• 提出背景：来源于 Generative Agents: Interactive Simulacra of Human Behavior（Park et al., Stanford University, 2023）——该论文展示了 Agent 拥有长期记忆、短期记忆和反思能力的行为模拟系统。同类框架包括 MemGPT（2023）与 LangGraph（2024）均实现了可读写的记忆组件。
• 核心思想：给 Agent 加入可持久化的“记忆系统”，使其能从历史交互中提取经验并在未来决策中使用。记忆可分为：
  • 短期记忆（Working Memory）：当前会话上下文；
  • 长期记忆（Episodic Memory）：跨会话持久信息；
  • 反思记忆（Reflective Memory）：自我总结与知识抽象。
    场景例子：例如一个个人助理 Agent，你昨天让它订酒店，今天让它订机票，它会记得你昨天的出行目的地，从而自动推荐匹配的航班与时间，而不是“重头问起”。

13、Self-Evolution / Self-Improvement Agent（自我进化型智能体）

• 提出背景：源自开源项目 EvoAgent（2024）与论文 Evolving Agents: Autonomously Improving via Evaluation and Mutation（Liu et al., 2024）。该方向强调让 Agent 自动评估自身表现并演化出更优版本。GitHub 项目：https://github.com/openbmb/EvoAgent
• 核心思想：Agent 拥有“自我评估—优化—再训练”能力：1.先执行任务并记录结果；2.对自身行为进行评估；3.基于反馈进行参数或策略变异；4.生成改进版 Agent。类似于强化学习中的“自举改进（bootstrapped improvement）”，但通过语言层完成。
• 场景例子：一个写作 Agent 自动撰写文章后，分析自己哪些部分得分低，再基于评估规则改进提示、调整风格或参考示例，最终进化出更高质量输出版本。

总结一下，这些认知框架，其实构成了 Agent 世界里的思维模式库：

• CoT：一步步写出推理过程
• Self-Ask：把大问题拆成小问题逐步回答
• ReAct：边推理边行动，与外部世界交互
• Plan-Execute：先生成计划，再按步骤执行
• ToT：多分支探索思路，选最优路径
• Reflexion：自我反思并改进输出
• Multi-Agent：多角色协作分工完成复杂任务
• World-Model：先在模拟世界推演，再决定行动
• Meta-Planning：分层规划，顶层统筹子任务执行
• Graph-of-Thoughts：图状展开多路径推理与评估
• Tool-Chain：串联多个工具形成调用流水线
• Memory-Agent：具备短期与长期记忆的持续学习
• Self-Evolution：自动评估与迭代优化自身能力

它们并不是互斥的，可以混搭使用，理解这些模式，能让我们在应用开发框架选型和使用时，想的更为透彻，一些设计模式，例如 ReAct，已经被 LangChain、LlamaIndex、Dify、Spring AI Alibaba 等 Agent 开发框架内置成基础框架，帮助开发者提升模型的调用效果。

Agent 的应用开发框架天然就很难收敛。不同的框架都有自己的设计模式哲学，只要定位清晰，都能获得一部分开发者群体的青睐，一家独大的情况很难出现。

另外推荐今年一本关于Agent设计模式的书：《Agentic Design Patterns: A Hands-On Guide to Building Intelligent Systems》