Planning 任务规划

五层读懂一个词。这次拆的是：Planning--LLM Agent 处理复杂任务的关键能力。先规划再执行（Plan-and-Solve）、边执行边调整（Re-plan）、树搜索探索多路径（ToT/MCTS）。ReAct 边想边做适合简单任务，Planning 先想好全局再做适合复杂任务。

L1 · 一句话点破

Planning = 任务分解 + 全局规划 + 动态调整。把复杂任务拆成子任务序列，先制定完整计划再执行（Plan-and-Solve），执行中根据反馈动态调整（Re-plan），或用树搜索探索多条路径选最优（ToT/MCTS/LATS）。ReAct 是「走一步看一步」，Planning 是「先看全程再走」。

L2 · 通俗类比

ReAct 像探险：

走一步看一步（Thought -> Action -> Observation）
不知道终点在哪，靠反馈调整
简单任务（查个信息）够用
复杂任务（多步骤、有依赖）容易迷失

Planning 像「先看地图再出发」：

先规划完整路线（Plan）
按计划执行（Execute）
路上遇阻调整路线（Re-plan）

举例（任务：写一篇关于 LLM 量化的技术博客）：

ReAct 方式：

Thought 1: 我要写博客，先查资料
Action 1: Search["LLM 量化"]
Observation 1: ...
Thought 2: 查到资料了，开始写大纲
Action 2: WriteOutline[...]
...边写边想，可能反复返工

Planning 方式：

Plan:
  1. 搜索 LLM 量化相关资料
  2. 整理关键概念（GPTQ/AWQ/QLoRA）
  3. 写大纲（5 个章节）
  4. 逐章撰写
  5. 校对修改

Execute:
  Step 1: 搜索资料 -> 成功
  Step 2: 整理概念 -> 成功
  Step 3: 写大纲 -> 大纲如下
  Step 4: 撰写第 1 章 -> 发现需要更多资料
    Re-plan: 插入"补充搜索 LLM.int8()"步骤
  Step 5: 继续撰写...

Planning 的三种范式：

1. Plan-and-Solve（一次性规划）：

一次性生成完整计划
按计划顺序执行
简单但缺乏灵活性

2. Re-plan（动态调整）：

初始规划
执行中根据反馈调整
平衡规划质量和灵活性

3. Tree Search（树搜索）：

探索多条可能路径
评估每条路径
选最优（或剪枝）
计算成本高但效果好

对比：

范式	规划时机	灵活性	成本	适用
ReAct	边做边想	高	中	简单任务
Plan-and-Solve	一次性	低	低	中等任务
Re-plan	动态调整	中高	中	复杂任务
Tree Search	多路径探索	高	高	极复杂任务

代价：

规划本身消耗 token
计划可能错误，导致执行浪费
Re-plan 需要平衡稳定性和灵活性
树搜索计算成本高

适用：

多步骤任务（写作、代码、研究）
有依赖关系的任务
需要全局视角的任务
需要回溯的复杂任务

L3 · 正经定义

Planning（LLM Agent 任务规划）：在执行复杂任务前，先生成完整或部分的子任务计划（plan），再按计划执行。主流范式：

Plan-and-Solve（Wang et al. 2023）：一次生成完整计划再执行
ReWOO（Xu et al. 2023）：Planner 一次规划，Worker 并行执行，Solver 合成
LLM+P（Liu et al. 2023）：LLM 翻译问题为 PDDL，经典规划器求解，再翻译回
Tree of Thoughts（Yao et al. 2023）：树形探索多条推理路径
LATS（Zhou et al. 2023）：ReAct + MCTS 蒙特卡洛树搜索
Re-plan：执行中动态调整计划

关键能力：

任务分解：把大任务拆成可执行的子任务
依赖识别：识别子任务间的依赖关系
资源估算：估算每个子任务的工具、时间
风险评估：预判可能的失败点
动态调整：根据执行反馈调整计划

参考资料：

📄 Wang et al., Plan-and-Solve Prompting, ACL 2023
📄 Yao et al., Tree of Thoughts: Deliberate Problem Solving with Large Language Models, NeurIPS 2023
📄 Zhou et al., Language Agent Tree Search Unifies Reasoning, Acting, and Planning in Language Models, 2023（LATS）
📄 Xu et al., ReWOO: Decoupling Reasoning from Tools for Zero-Shot Tool-Integrated Reasoning, 2023
📄 Liu et al., LLM+P: Empowering Large Language Models with Optimal Planning Proficiency, 2023
🔧 LangChain Plan-and-Execute：https://python.langchain.com/docs/modules/agents/agent_types/plan_and_execute

L4 · 原理深挖

4.1 为什么需要 Planning

ReAct 的局限：

局部最优：每步只看当前，可能错过全局最优
错误传播：早期错误一路放大
无法回溯：走错了没法回头
复杂任务迷失：多步骤任务容易丢失目标

Planning 的优势：

全局视角：先看全貌再执行
依赖管理：识别子任务依赖
可回溯：计划可调整
目标导向：始终朝最终目标

何时用 Planning：

子任务 > 5 个
子任务有依赖
单步错误代价高
需要全局优化

4.2 Plan-and-Solve

核心思想：先让 LLM 生成完整计划，再逐步执行。

Prompt：

任务: <复杂任务>

第一步，制定计划:
Let's first understand the problem and devise a plan to solve it.
Plan:
1. <子任务 1>
2. <子任务 2>
...
N. <子任务 N>

第二步，执行计划:
Let's carry out the plan.
Step 1: <执行子任务 1>
...
Step N: <执行子任务 N>

最终答案: <合成>

示例（数学应用题）：

问题: 小明有 5 个苹果，小红比小明多 3 个，他们一共有多少苹果？

Plan:
1. 算小红有多少苹果（小明 + 3）
2. 算总数（小明 + 小红）

Step 1: 小红 = 5 + 3 = 8
Step 2: 总数 = 5 + 8 = 13

答案: 13

效果（GSM8K 数学题）：

方法	准确率
CoT	78.0%
Plan-and-Solve	80.5%

优势：

减少 CoT 中的计算错误（先规划再算）
适合多步骤任务
实现简单

劣势：

计划可能错误
一次性规划，无法调整
简单任务过度规划

4.3 ReWOO: 分离规划与执行

核心思想：Planner 一次性生成所有工具调用（含变量引用），Worker 并行执行，Solver 合成答案。

流程：

Planner (一次性):
  Plan:
    #E1 = Search["LLM 量化"]
    #E2 = Search["GPTQ"]
    #E3 = LLM[#E1, #E2, "总结 LLM 量化方法"]
  
Worker (并行执行):
  #E1 = <搜索结果 1>
  #E2 = <搜索结果 2>
  #E3 = <LLM 基于 #E1, #E2 的总结>
  
Solver (合成):
  基于 #E1, #E2, #E3，生成最终答案

关键创新：

变量引用：#E1, #E2 等作为占位符
并行执行：无依赖的工具调用并行
减少 LLM 调用：Planner 一次，Solver 一次，中间 Worker 不需要 LLM

优势：

token 消耗降低 50%+（减少中间 Thought）
并行执行，延迟降低
适合工具调用密集任务

劣势：

规划阶段不能根据中间结果调整
变量引用依赖 LLM 正确生成
适合结构化任务，不适合需要灵活推理的

4.4 LLM+P: 经典规划器集成

核心思想：LLM 翻译问题为 PDDL（Planning Domain Definition Language），用经典规划器（如 Fast Downward）求解，再翻译回自然语言。

流程：

1. LLM 把自然语言问题翻译为 PDDL:
   Domain: blocks-world
   Problem: (on b1 b2), (on b2 b3), (clear b1) -> (on b3 b2), (on b2 b1)

2. 经典规划器求解:
   Plan: (unstack b1 b2), (put-down b1), (unstack b2 b3), (stack b2 b1), (stack b3 b2)

3. LLM 把 plan 翻译回自然语言:
   "先把 b1 从 b2 上拿下来放桌上，再把 b2 从 b3 上拿下来，..."

优势：

经典规划器保证最优解
适合结构化规划问题（如物流、调度）
LLM 不需要规划能力

劣势：

需要 PDDL domain（人工设计）
只适合可形式化的问题
翻译可能出错

4.5 Tree of Thoughts (ToT)

核心思想：把推理过程建模为树，每个节点是一个「思维状态」，探索多条路径，用评估器剪枝，选最优路径。

流程：

1. 思维分解: 把问题拆成多个思维步骤
2. 思维生成: 每步生成 k 个候选思维
3. 状态评估: 评估每个思维的优劣（value/promise）
4. 搜索算法: BFS/DFS 搜索，剪枝

   Root
   / | \
  T1 T2 T3  (k=3 候选)
  |\  |
  ...
  最优路径

示例（24 点游戏）：

问题: 用 4 7 8 8 凑 24

ToT:
  Step 1: 候选操作
    - 8 / (4 - (8/7))  promise: 高
    - (7 - 8/8) * 4    promise: 高
    - 8 * (4 - 7/8)    promise: 高
    - 4 * 7 - 8 + 8    promise: 低
  
  Step 2: 沿高 promise 路径深入
    (7 - 8/8) * 4 = (7 - 1) * 4 = 6 * 4 = 24 ✓

搜索算法：

BFS：广度优先，适合浅树
DFS：深度优先，适合深树
Beam Search：保留 top-k 路径
MCTS：蒙特卡洛树搜索

效果（24 点游戏）：

方法	成功率
CoT	4%
CoT-SC（自洽）	9%
ToT	74%

优势：

探索多条路径，避免局部最优
可回溯
适合需要搜索的问题

劣势：

计算成本高（多次 LLM 调用）
评估器质量影响大
适合搜索空间适中的问题

4.6 LATS: ReAct + MCTS

核心思想：把 ReAct 的「想-动-看」循环嵌入 MCTS 框架，用蒙特卡洛树搜索探索多条 Agent 轨迹。

流程：

1. 选择 (Selection): 从根节点用 UCB 选最有潜力的节点
2. 扩展 (Expansion): 用 LLM 生成 k 个候选 Action
3. 模拟 (Rollout): 执行 Action 得到新状态，评估
4. 回传 (Backprop): 把评估值回传到根节点
5. 重复直到找到解或预算耗尽

关键创新：

ReAct 的 Thought-Action-Observation 作为节点
用 LLM 作为策略（生成 Action）和价值函数（评估状态）
多条路径探索，避免 ReAct 的局部最优

效果（HumanEval 编程）：

方法	pass@1
CoT	54.2%
ReAct	56.8%
LATS	72.5%

优势：

结合 ReAct 的灵活性和树搜索的全局性
适合复杂决策任务

劣势：

计算成本极高（10-100x 单次 ReAct）
需要好的价值函数
实时场景不适用

4.7 Re-plan: 动态调整

核心思想：执行中根据反馈调整计划，平衡 Plan-and-Solve 的稳定性和 ReAct 的灵活性。

LangChain Plan-and-Execute 架构：

1. Planner: 生成初始多步计划
2. Executor: 执行单个步骤（可能是 ReAct Agent）
3. Re-Planner: 根据执行结果，决定下一步或调整计划
   - 继续下一步
   - 重新规划剩余步骤
   - 标记完成

Re-plan 决策：

python

def replan(current_plan, executed_step, result, original_task):
    prompt = f"""
    原任务: {original_task}
    当前计划: {current_plan}
    已执行: {executed_step}
    执行结果: {result}
    
    决定:
    (a) 计划仍有效，执行下一步: <下一步>
    (b) 需要调整，新计划: <新计划>
    (c) 任务完成: <最终答案>
    """
    return llm(prompt)

触发 Re-plan 的条件：

执行结果与预期不符
发现新的信息需要补充步骤
某步骤失败需要换路径
计划明显偏离原任务

优势：

适应动态环境
平衡稳定性和灵活性
适合真实世界复杂任务

劣势：

Re-plan 本身消耗 token
可能频繁 Re-plan 导致不稳定
需要设计好的 Re-plan 触发条件

4.8 Planning 的评估

评估指标：

任务成功率：完成任务的比率
步骤效率：实际步骤数 / 最优步骤数
token 消耗：总 token 数
延迟：总时间
可恢复性：失败后能否恢复

基准测试：

基准	任务类型
GSM8K	数学（多步）
HotpotQA	多跳问答
ALFWorld	具身决策
WebArena	网页操作
HumanEval	编程
BabyAI	导航规划

4.9 Planning 的局限

局限 1: 规划质量依赖 LLM 能力

弱模型规划质量差
复杂任务规划可能遗漏步骤
需要 GPT-4 级别模型

局限 2: 计划可能错误

初始规划错误导致执行浪费
需要执行-反馈-调整机制

局限 3: token 消耗大

规划本身消耗 token
Re-plan 多次消耗
ToT/LATS 多路径探索消耗巨大

局限 4: 适合结构化任务

创意任务（写作、设计）Planning 帮助小
适合有明确步骤的任务

局限 5: 实时性差

规划需要时间
ToT/LATS 不适合实时场景

局限 6: 评估困难

计划的好坏难以自动评估
需要执行后才知道
价值函数设计困难

L5 · 沿革与坑

5.1 沿革

2022-01：CoT（Wei et al.），LLM 推理起点
2023-03：ReAct（Yao et al.），推理+行动
2023-05：Plan-and-Solve（Wang et al.），先规划再执行
2023-05：Tree of Thoughts（Yao et al.），树搜索推理
2023-10：ReWOO（Xu et al.），分离规划与执行
2023-10：LATS（Zhou et al.），ReAct + MCTS
2023-10：LLM+P（Liu et al.），经典规划器集成
2024：LangChain Plan-and-Execute，Re-plan 成主流
2024-2025：Planning 成为复杂 Agent 标配，Re-plan + Memory + Multi-Agent 组合

5.2 常见坑

坑 1: 简单任务用 Planning。一步能解决的任务硬要规划，过度工程。要按任务复杂度选范式。

坑 2: 一次性规划期望完美。Plan-and-Solve 初始规划可能错。要加 Re-plan 机制。

坑 3: ToT/LATS 用在实时场景。计算成本 10-100x，不适合实时。要离线或对延迟不敏感场景。

坑 4: 规划粒度太细。每步太细，规划本身爆炸。要合理粒度（3-7 步）。

坑 5: 规划粒度太粗。每步太粗，执行时还是要 ReAct。要平衡。

坑 6: 没有反馈循环。Plan-and-Solve 不调整，错误一路放大。要 Re-plan。

坑 7: Re-plan 频率太高。每步都 Re-plan，不稳定且成本高。要在关键节点 Re-plan。

坑 8: 价值函数差。ToT/LATS 的评估器质量决定效果。要精心设计评估 prompt。

坑 9: 忽略任务依赖。规划没识别子任务依赖，并行执行导致错误。要 DAG 建模。

坑 10: 期望 LLM 规划最优。LLM 规划是近似的，不是最优。复杂规划用 LLM+P（经典规划器）。

坑 11: 没设最大规划深度。Re-plan 可能无限循环。要设预算。

坑 12: 规划和执行用同一 LLM。规划需要强模型（GPT-4），执行可以用弱模型。要分级。

坑 13: 忽略成本。ToT 探索 k 条路径，每条 n 步，成本 kn单步成本。要算预算。

5.3 面试怎么考

Planning 解决什么问题？ 答：ReAct 边想边做适合简单任务，复杂任务容易局部最优、错误传播、迷失目标。Planning 先全局规划再执行，识别依赖、可回溯、目标导向。
Plan-and-Solve 和 ReAct 的区别？ 答：ReAct 每步 Thought-Action-Observation，边想边做；Plan-and-Solve 先生成完整计划再逐步执行，全局视角但缺灵活性。
ToT 的核心思想？ 答：把推理建模为树，每步生成 k 个候选思维，用评估器剪枝，搜索算法（BFS/DFS/Beam/MCTS）选最优路径。适合需要搜索的问题（24 点等）。
LATS 是什么？ 答：ReAct + MCTS。把 ReAct 的 Thought-Action-Observation 作为节点，用蒙特卡洛树搜索探索多条 Agent 轨迹，LLM 作为策略和价值函数。效果好但成本高。
Re-plan 何时触发？ 答：执行结果与预期不符、发现新信息、步骤失败、计划偏离原任务。要平衡稳定性和灵活性，不能太频繁。
Planning 的局限？ 答：规划质量依赖 LLM、计划可能错误、token 消耗大、适合结构化任务、实时性差、评估困难。

速记卡

Planning 范式对比：

范式	思想	成本	适用
ReAct	边想边做	中	简单任务
Plan-and-Solve	一次规划再执行	低	中等任务
ReWOO	规划/执行分离，并行	低	工具密集
LLM+P	LLM + 经典规划器	中	结构化规划
ToT	树搜索思维	高	搜索问题
LATS	ReAct + MCTS	极高	复杂决策
Re-plan	动态调整	中	真实世界

Plan-and-Solve Prompt：

1. 制定计划
   Plan:
   1. <子任务>
   2. <子任务>
   ...
2. 执行计划
   Step 1: <执行>
   ...
3. 合成答案

ToT 流程：

1. 思维分解
2. 思维生成 (k 个候选)
3. 状态评估 (value/promise)
4. 搜索 (BFS/DFS/Beam/MCTS)
5. 剪枝 + 回溯

Re-plan 触发条件：

- 执行结果 ≠ 预期
- 发现新信息
- 步骤失败
- 计划偏离原任务

效果对比：

任务	CoT	ReAct	Plan-and-Solve	ToT	LATS
GSM8K	78%	-	80.5%	-	-
24 点	4%	-	-	74%	-
HumanEval	54%	57%	-	-	72.5%

一句话记忆：Planning = 任务分解 + 全局规划 + 动态调整。Plan-and-Solve 一次规划再执行（简单稳定），ReWOO 分离规划/执行并行（工具密集），LLM+P 用经典规划器（结构化），ToT 树搜索思维（搜索问题），LATS = ReAct + MCTS（复杂决策），Re-plan 动态调整（真实世界）。ReAct 边想边做适合简单任务，Planning 先想好再做适合复杂任务。局限：规划质量依赖 LLM、token 消耗大、ToT/LATS 成本高、实时性差。按任务复杂度选范式：简单用 ReAct，中等用 Plan-and-Solve，复杂用 Re-plan，搜索用 ToT。

上一篇：Function Calling 函数调用 -- 工具调用接口，Planning 决定怎么用工具。下一篇：Memory 记忆机制 -- Planning 决定做什么，Memory 记住做过什么。

Planning 任务规划 ​

L1 · 一句话点破 ​

L2 · 通俗类比 ​

L3 · 正经定义 ​

L4 · 原理深挖 ​

4.1 为什么需要 Planning ​

4.2 Plan-and-Solve ​

4.3 ReWOO: 分离规划与执行 ​

4.4 LLM+P: 经典规划器集成 ​

4.5 Tree of Thoughts (ToT) ​

4.6 LATS: ReAct + MCTS ​

4.7 Re-plan: 动态调整 ​

4.8 Planning 的评估 ​

4.9 Planning 的局限 ​

L5 · 沿革与坑 ​

5.1 沿革 ​

5.2 常见坑 ​

5.3 面试怎么考 ​

速记卡 ​