一句话总结：规划范式演进 ReAct（边想边做）→ Plan-and-Execute（先全局计划再执行）→ HTN（分层任务网络）；HTN 把复合任务用方法递归分解到原始任务，贴近人类从目标细化的思路；重规划由失败 / 状态变化 / 新信息触发。

规划范式对比（面试默写）

范式	机制	适用
ReAct	边推理边行动（think→act→observe 循环）	探索型、步骤不确定
Plan-and-Execute	先制定多步计划，再逐步执行	步骤可预分解
HTN	分层递归分解到原子动作	领域知识明确、可复用方法
Adaptive	计划执行中动态调整（重规划）	长任务、环境变化

• 策略可嵌套：状态机可调用 planner → 对单步用有界 ReAct → 调验证器

HTN 核心（拉分点）

• 两类任务：复合任务（需分解）/ 原始任务（前置条件满足可直接执行）
• 方法 Methods：把复合任务分解为子任务序列（含前置条件）
• 流程：递归应用方法直到全部原始任务 → 可执行计划
• 与经典规划区别：HTN 从任务结构分解，不从状态空间穷举——更接近人类"从目标逐步细化"
• 履历：游戏 AI / 军事物流 / 工业自动化用了几十年，映射到 Agent 天然契合

重规划（Replan）触发（拉分点）

• 计划执行失败 → 重新规划
• world state 改变 → 重新规划
• 新信息/约束变化 → 重新规划

面试要点

• 能对比 ReAct / Plan-and-Execute / HTN
• 能讲 HTN 两类任务 + 方法
• 能报重规划三个触发条件
• 能说策略嵌套（状态机内嵌 planner）

相关概念

• [AI-Agent-规划器与任务分解](/学习笔记/AI技术/AI Agent/AI-Agent-规划器与任务分解) — 规划基础
• [AI-Agent-工作流编排与状态图](/学习笔记/AI技术/AI Agent/AI-Agent-工作流编排与状态图) — 编排实现
• [AI-Agent-推理策略与思维链](/学习笔记/AI技术/AI Agent/AI-Agent-推理策略与思维链) — 推理层
• [AI-Agent-长任务执行与状态管理](/学习笔记/AI技术/AI Agent/AI-Agent-长任务执行与状态管理) — 执行层