本文详细解析了大模型 Agent 的九种核心设计模式，涵盖 ReAct、Plan and Solve、REWOO、LLM Compiler、Basic Reflection、Reflexion、LATS、Self-Discover 及 Storm。文章阐述了各模式的原理、架构组成、代码实现逻辑及适用场景，对比了其在推理、规划、并行执行及自我反思方面的差异。通过梳理从基础工具调用到树搜索优化的演进路径，帮助产品经理与技术团队理解如何根据任务复杂度选择合适的 Agent 架构，以实现高效、准确的自动化任务处理。
随着大语言模型（LLM）能力的不断提升，Agent（智能体）已成为构建复杂 AI 应用的核心范式。对于产品经理和技术人员而言，理解 Agent 的设计模式至关重要，这有助于在架构层面规划系统行为、工具调用及决策逻辑。
本文将深入解析九种主流的 Agent 设计模式，包括 ReAct、Plan and Solve、REWOO、LLMCompiler、Basic Reflection、Reflexion、LATS、Self-Discover 以及 Storm。我们将结合原理图解与代码逻辑，分析每种模式的适用场景、核心优势及局限性，帮助读者建立系统的 Agent 设计思维。
ReAct (Reasoning + Acting) 是 LLM Agent 领域的奠基性工作之一，发表于 2022 年 10 月。在当时 ChatGPT 尚未普及的背景下，该论文提出了让 LLM 学会使用工具的关键思路，具有开创性意义。
在 ReAct 出现之前，推理（Reasoning）和行动（Action）通常是割裂的。例如，让孩子去厨房拿胡椒粉，若仅使用思维链（CoT），孩子可能会列出所有步骤但无法根据环境反馈调整。ReAct 引入了 Observation（观察）环节，形成 Thought -> Action -> Observation 的循环。
这种机制赋予了 Agent 短期记忆能力，使其能够根据执行结果动态调整后续策略。
在 LangChain 等框架中，ReAct 的实现通常包含以下关键步骤：
Plan and Solve 模式强调先规划后执行。如果说 ReAct 适合'厨房拿胡椒粉'这类简单任务，那么 Plan and Solve 更适合'西红柿炒鸡蛋'这类复杂任务，其中涉及计划变更的可能性。
适用于长链条任务，如数据分析报告生成、多步骤业务流程处理。其 Zero-shot 能力提升显著，允许模型在遇到意外情况（如缺少食材）时重新规划路径。
REWOO 是对 ReAct 的优化，旨在减少上下文中的冗余信息。它去掉了显式的 Observation 字段，将上一步的执行结果隐式嵌入到下一步的输入变量中。
在审批流等场景中，步骤 B 依赖步骤 A 的输出。REWOO 通过定义变量依赖关系，让 Worker 自动传递中间结果，无需模型反复读取 Observation 文本。这减少了 Token 占用，提高了并行处理的潜力。
LLM Compiler 借鉴了计算机科学中的编译概念，核心目标是通过并行 Function Calling 提高执行效率。
当用户提问涉及多个独立子任务（如'张译和吴京差几岁'）时，Planner 会生成一个有向无环图（DAG）。搜索两人年龄的任务可以并行执行，最后由 Jointer 合并结果。
显著降低了等待时间，特别适合 I/O 密集型或计算密集型且子任务独立的场景。
Basic Reflection 模拟了'学生写作业，老师批改'的过程。Generator 生成答案，Reflector 提供修改建议，Generator 据此迭代。
通过 Prompt 复刻师生对话，强制模型在输出前进行自我审视。这种模式能有效提升回答的准确性和完整性。
Reflexion 是 Basic Reflection 的升级版，引入了强化学习思想。它不仅要求反思，还引入外部数据评估回答准确性，并强制检查缺失或多余的信息。
Responder 自带批判式思考，指出 Missing（遗漏）或 Superfluous（冗余）部分。Revisor 基于这些反馈修正初始回答。这使得反思更具建设性，而非简单的自我否定。
LATS 融合了树搜索、ReAct、Plan & Solve 以及 Reflection 机制，是一种综合性的增强方案。
通过树搜索探索多种可能的行动路径，利用 Reward 函数（强化学习）评估节点质量，并结合 Reflection 优化内容。最终目标是找到最优解路径。
多轮 Basic Reflection 的变体，包含多个 Generator 和 Reflector 节点，支持回溯和分支选择。
Self-Discover 的核心在于让大模型在更细粒度上进行任务反思。不同于 Plan & Solve 反思任务是否需要补充，Self-Discover 反思的是 Task 本身的执行方式。
Storm 专注于从零生成维基百科级别的文章。其思路是先利用外部工具搜索生成大纲，再逐段丰富内容。
该模式展示了 Agent 在长文本创作领域的强大能力，结合了搜索与生成的优势。
以上总结了九种主流 Agent 设计模式。在实际落地中，没有绝对最好的模式，只有最适合业务场景的模式。产品经理应依据用户需求、任务复杂度及对延迟的要求进行选择。
建议开发者查阅各模式的原始论文 Prompt 模板，理解人类思维模式的结构化体现，从而更好地定制符合自身业务需求的 Agent 系统。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
