Agent 工作模式

三种模式，三种场景

不是所有任务都该用同一种方式。就像不是所有出行都该开车——去楼下便利店走路就行，去另一个城市坐高铁。

模式一：ReAct（边想边做）

流程：思考 → 行动 → 观察结果 → 再思考 → 再行动，直到完成。

适合：你不知道具体要几步才能完成的任务。

例如，你让 Agent 调查“为什么上个月销售额下降了”。它不知道答案，只能先查数据，发现华南区下降；再查华南区的渠道，发现某个渠道断流；最后继续追查原因。每一步都依赖上一步的结果。

优点：灵活，能处理意外。缺点：可能绕弯路，也可能控制不住步数。

模式二：Plan-and-Execute（先想好再做）

流程：先做完整计划，再一步步执行。

适合：流程复杂，但大致步骤可以提前明确的任务。

例如，把数据从 A 系统迁移到 B 系统：读取 A 数据 → 格式转换 → 校验 → 写入 B → 验证。先规划每一步，再按计划执行。

优点：稳定、可控。缺点：计划一旦做错，后面的执行也会被带偏。

模式三：Workflow（固定流水线）

流程：步骤完全确定，每一步的输入和输出都有清楚定义。

适合：重复性高、规则明确的任务。

例如报销审批：提交 → 主管审批 → 财务审核 → 打款。每一步规则清楚，不需要 Agent 临场“动脑筋”。

优点：稳定、可预测。缺点：遇到意外情况时缺少弹性。

实际中怎么用：混着来

真正的系统通常不会只使用一种模式。常见做法是：大框架用 Workflow 固定，保证稳定；具体步骤给 Agent 一定自主权，保留灵活。

例如，报销系统的主体是固定流水线，但“审核发票内容”这一步可以让 Agent 自己判断发票是否合规。这就是 Workflow 与局部 Agent 的组合。

编排者—执行者模式

复杂任务让一个 Agent 全部完成，很容易混乱。更合适的方式是让一个 Agent 充当“编排者”，负责拆解和分派任务；其他 Agent 分别负责 UI、后端、测试等专项。

关键问题是任务应该拆多细：拆得太细，沟通成本太大；拆得太粗，执行者容易产生理解偏差。比较实用的尺度是：每个子任务都有清晰的输入、输出和验收标准。

模型也要分层

工作类型	模型选择	原因
分类、格式转换、摘要	小模型	任务明确，不需要过度推理
推理、规划	中等模型	需要一定分析与决策能力
关键决策	最强模型	为高风险判断兜底
执行工具调用	便宜模型	重点是稳定完成操作

工具与模型的选择，本质上都应该服务于任务，而不是为了“用 Agent”而用 Agent。