一句话总结：Agent 三大核心范式——ReAct（想一步做一步）、Plan-and-Execute（先规划再执行）、Reflection（做完再复盘）——层层递进：ReAct 解决"能动起来"，P&E 解决"别乱动"，Reflection 解决"动得对"；选型看任务复杂度与输出要求，不是越复杂越好。

三大范式对比（面试默写）

维度	ReAct	Plan-and-Execute	Reflection
核心思想	边想边做（Reasoning+Acting 交替）	先规划后执行	先完成再反思
推理方式	每步重新思考	一次性规划、按步执行	叠加自检
灵活性	高（随时调整）	中（需重规划机制）	中
准确率	中	中高	高
成本	低	中	高
复杂任务能力	中	高	高
上下文使用	每轮带完整历史	规划/执行分离，更精简	依赖前两者

三种模式是什么

• ReAct：Reasoning + Acting 交替——模型先整理思路 → 发起行动（调工具）→ 读回观察 → 下一轮思考携带结果。环状结构，实现成本低、链路直观，适合第一版
• Plan-and-Execute：先生成完整执行计划（步骤列表），再按计划逐步执行，执行中可局部调整、最终汇总——像项目经理先列 todo 再安排执行
• Reflection：增强层，不独立存在——执行完成后让模型复盘"哪里错了、怎么改"，可多轮迭代提升输出质量

选型口诀（面试拉分点）

场景	选型
任务不复杂、流程不固定、需实时调整	ReAct——够用就好，别过度工程化
任务长、易跑偏、需整体结构清晰	Plan-and-Execute
执行中常遇意外、计划易失效	P&E + 动态 Replan（重新规划）
输出要求高、不能出错	前两者 + Reflection 自检
需跨任务积累经验、避免重复犯错	叠加记忆（见 [AI-Agent-记忆系统](/学习笔记/AI技术/AI Agent/AI-Agent-记忆系统)）

扩展模式（Anthropic 七模式）

• Tool-use（工具使用）、Multi-agent（多智能体协作）、Memory（记忆增强）等——围绕三大核心范式组合

面试要点

• 能画出三种范式工作流（ReAct 环 / P&E 先计划后执行 / Reflection 复盘循环）
• 能说出选型口诀（复杂度低用 ReAct、长任务用 P&E、要求高叠加 Reflection）
• 能答"为什么不是越复杂越好"（成本与延迟：Reflection 翻倍推理）
• 能说三范式是层层递进而非互斥（ReAct 打底 → P&E 防跑偏 → Reflection 保质量）

相关概念

• [AI-Agent-实战教程](/学习笔记/AI技术/AI Agent/AI-Agent-实战教程) — 手写 ReAct 与生产化清单
• [AI-Agent-工作流编排](/学习笔记/AI技术/AI Agent/AI-Agent-工作流编排) — 编排层的模式落地
• [AI-Agent-框架内部机制](/学习笔记/AI技术/AI Agent/AI-Agent-框架内部机制) — LangGraph 如何实现这些模式
• [AI-Agent-多智能体架构](/学习笔记/AI技术/AI Agent/AI-Agent-多智能体架构) — Multi-agent 模式