核心要点
Planning 的本质是拆目标、排顺序、边执行边校正：不是让模型多想几句，而是把复杂任务变成可执行步骤。
Plan-and-Execute 适合路线清晰的任务：Planner 先列步骤，Executor 再逐步调用工具，适合报告生成、批处理和可拆解工作流。
ReAct 适合信息逐步暴露的任务：每一步根据 Observation 调整下一步，适合搜索、排障和调试。
生产环境要限制规划边界：最大步数、超时、人工 checkpoint 和失败回退都要提前设计。
简要回答
先让模型输出完整计划再逐步执行（Plan-and-Execute）；或边做边调整（ReAct）；复杂任务可用树搜索探索多方案（ToT）。
标准回答
一、先把 Planning 讲成任务管理问题
Agent 的 Planning 不是“让模型写一段思考”，而是把一个大目标拆成可执行、可验证、可回退的子步骤。候选人可以先说：复杂任务通常有依赖顺序、外部信息和失败分支，Planning 的价值就是让 Agent 知道 先做什么、后做什么、失败了怎么改计划。
二、按场景讲常见方法
Zero-shot Planning 是最简单的做法，prompt 里要求模型先列步骤再执行，适合轻量任务。Plan-and-Execute 会把 Planner 和 Executor 分开：Planner 负责拆步骤，Executor 逐步调用工具，适合路线相对清晰的任务。ReAct 是边想边做，拿到 Observation 后动态调整，适合搜索、调试、信息逐步暴露的任务。更复杂时还可以用 Tree of Thoughts 做多路径探索，用评估器挑更好的分支，但成本会明显上升。
三、补上工程边界和评价方式
生产环境常限制最大步数、最大耗时和高危动作 checkpoint。比如让 Agent 自动改代码时，可以允许它规划“定位问题 → 修改 → 测试”，但提交、删除文件、改权限这类动作要人工确认。评估 Planning 质量不能只看计划写得漂不漂亮，要看 步骤是否覆盖目标、依赖顺序是否合理、工具调用是否成功、重规划次数是否可控、最终任务成功率是否提升。
常见误区
⚠️ 常见踩坑
误区一：把计划当成固定剧本。真实 Agent 会遇到工具失败、信息缺失和目标变更，计划必须允许重规划。
误区二：只背方法名，不讲取舍。Plan-and-Execute、ReAct、ToT 没有绝对优劣，要结合任务复杂度、延迟预算、工具可靠性和安全边界选择。
追问
追问 1：Plan-and-Execute vs ReAct？
题库专题：什么是 ReAct 模式？它如何解决 Agent 的推理与行动问题？Plan-and-Execute 是先规划再执行：Planner 先给出相对完整的步骤列表，Executor 按步骤调用工具，适合目标明确、依赖关系清晰、可以拆成批处理的任务。ReAct 是边做边规划：每一步根据 Observation 再决定下一步，适合搜索、排障、调试这类信息逐步暴露的任务。取舍上，Plan-and-Execute 成本更可控但计划可能过时；ReAct 更灵活但轮次多、延迟高，也更需要最大步数和失败回退。
题库延伸：与本追问相关的专题题 → 什么是 ReAct 模式？它如何解决 Agent 的推理与行动问题？
追问 2：如何评估规划质量？
可以分三层评估：第一看 计划本身，步骤是否覆盖目标、是否可执行、依赖顺序是否正确；第二看 执行过程，工具调用成功率、失败重试次数、重规划次数和超时率；第三看 最终结果，任务成功率、人工接管率、成本和用户满意度。面试时最好补一句：好的计划不是步骤越多越好，而是每一步都能被验证。
🔗 相似问题
同一考点的不同问法，换着练更稳
没找到想看的面试题？把你想看的告诉我们 →
延伸学习
按主题分类的相关资源，便于系统复习
