Plan-and-Execute 框架

本条目是「Prompt 2.0 方法论」的第 14 部分，对应学习清单条目 2.5.2。

前置依赖：ReAct框架

为以下铺垫：Reflexion、选型判断标准

---

一、核心观点

Plan-and-Execute（先计划再执行）：适合步骤固定的确定性任务。

像出差前先列好行程单——哪天飞、住哪、见谁都排好，到了当地照单走，不用每五分钟重新想「下一步干嘛」。

---

二、定义与原理（类比先行）

2.1 定义

• Plan：先制定计划（高层步骤）

• Execute：再按计划执行（每步内部可灵活）

• 核心：先想后做，步骤固定

2.2 类比：出差前的行程单

路径能预先规划时，与其每步都现想（ReAct），不如先列总计划。这样不会「走一步偏一步」，还能把子步骤并行、交给更便宜的模型跑。

flowchart TD

    P[Plan 制定计划] --> S1[执行步骤1]

    P --> S2[执行步骤2]

    P --> S3[执行步骤3]

    S1 --> D[完成]

    S2 --> D

    S3 --> D

---

三、优缺点

• ✅ 减少中途跑偏；子步骤可并行；成本可控（计划一次，执行多次）

• ❌ 环境变化时计划可能过时；不够灵活；制定计划需额外 LLM 调用

---

四、适用场景

• ✅ 步骤清晰、可预先分解的确定性任务：报告生成、数据处理、工作流

• ❌ 路径不确定、需随时调工具返回的任务（用 ReAct）

---

五、生产建议：混合使用

高层用 Plan，低层每步内部用 ReAct：

 
Plan（高层）：读取代码 → 跑测试 → 生成报告
 
Execute（低层）：每步内部用 ReAct 灵活完成
 

• Plan 提供全局视野，不易偏

• ReAct 在每步内提供灵活性

• 成本可控：重规划才调大模型

---

六、最新研究与企业数据（2024–2026）

• LangChain《Plan-and-Execute Agents》(2023)：正式提出该架构，灵感来自 BabyAGI 与 Plan-and-Solve 论文；指出它「适合复杂长程规划，代价是更多 LLM 调用」，并因「规划与执行分离」可把执行步交给更小模型，从而降本。

• Google《Towards a Science of Scaling Agent Systems》(2025/2026)：在可并行任务（如金融分析）上，集中式协调比单 Agent +80.9%；这正对应「先 Plan 分解、再并行 Execute」的增益区间。但在顺序推理任务上多 Agent 反降 39–70%——所以 Plan-and-Execute 仍应以单 Agent 顺序执行为基，慎用多 Agent 并行。

---

七、学习资源

• 工程实践：LangChain《Plan-and-Execute Agents》（blog.langchain.com/plan-and-execute-agents）

• 研究：Google《Towards a Science of Scaling Agent Systems》

• 进阶：Reflexion 框架 · 选型判断标准

---

核心要点

要点	速记
核心	先 Plan 再 Execute，步骤固定
类比	出差前先列行程单
适合	步骤清晰、可分解的确定性任务
生产套路	高层 Plan + 低层 ReAct；执行步可并行/用便宜模型
一手依据	LangChain Plan-and-Execute；Google：可并行任务 +80.9%

下一篇：Reflexion 框架——质量敏感、需多轮迭代时，再加一层自我反思。

---

参考来源（一手链接 · 可溯源深挖）

• LangChain (2023)《Plan-and-Execute Agents》：blog.langchain.com/plan-and-execute-agents

• Google Research (2025/2026)《Towards a Science of Scaling Agent Systems》：research.google/blog/towards-a-science-of-scaling-agent-systems（arXiv:2512.08296）

• Anthropic (2024-12)《Building Effective Agents》：anthropic.com/engineering/building-effective-agents

速记卡（面试闪卡）

Q1：一句话讲清「Plan-and-Execute 框架」到底是什么？

A：Plan-and-Execute 是「先计划再执行」的 Agent 框架，适合步骤固定的确定性任务——像出差前列好行程单，到了照单走不用每步现想。

Q2：核心观点与类比 —— 怎么理解？

A：核心就一句：先 Plan 再 Execute，步骤固定。类比出差前行程单——哪天飞、住哪、见谁都排好，到了照单走，不像 ReAct 每五分钟重新想「下一步干嘛」。

Q3：定义与原理 —— 怎么理解？

A：Plan 制定高层步骤，Execute 按计划执行（每步内部灵活）；路径能预规划时就该先列总计划，避免「走一步偏一步」，还能把子步骤并行、交给更便宜的小模型跑。

Q4：优缺点与适用场景 —— 怎么理解？

A：优点：减少跑偏、子步可并行、成本可控（计划一次执行多次）；缺点：环境变了计划过时、不够灵活、多一次 LLM 调用。适合报告/数据处理等确定性任务，路径不确定的用 ReAct。

Q5：生产建议：高层 Plan + 低层 ReAct —— 怎么理解？

A：生产套路是高层用 Plan 提供全局视野、低层每步内部用 ReAct 保灵活；Google 研究也印证可并行任务集中协调 +80.9%，但顺序推理任务多 Agent 反降——仍以单 Agent 顺序执行为基。

Q6：核心速记主线有哪些？

• 核心：先 Plan 再 Execute，步骤固定

• 类比：出差前先列行程单

• 适合：步骤清晰可分解的确定性任务

• 生产套路：高层 Plan + 低层 ReAct，执行可并行/用便宜模型

• 一手依据：LangChain 提出；Google 可并行任务 +80.9%

口诀

A：Plan 再 Execute，步骤固定不乱跑；

出差先列行程单，照单走不步步找；

并行省钱降成本，环境变了计划老；

高层 Plan 低层 React，灵活全局都抓牢。

相关链接

• 系列清单：Agent 方法论与产品思维学习路线图

• 上一层级：Prompt 2.0 方法论 · 索引

• 同主题：ReAct 框架 · Reflexion 框架