31-day7-Planning 理论

🧠 理论部分：AI Agent 中的 规划（Planning） 能力

一、什么是 Planning（规划）？

在人工智能中，规划（Planning） 是指：

Agent 根据目标（Goal）和环境状态（State），生成一系列有序动作（Actions），以达成目标的过程。

简单说：

“先想清楚怎么做，再动手做。”

这与人类解决问题的方式高度一致——我们不会盲目行动，而是先制定计划。

---

二、为什么 Agent 需要 Planning？

场景	无规划（Reactive）	有规划（Deliberative）
任务复杂度	只能处理简单、即时响应	可处理多步骤、长期目标
错误率	容易陷入局部最优或死循环	可全局思考，避免无效操作
可解释性	“黑箱”行为	每一步都有理由（Plan 可读）

✅ 结论：

对于 需要多步推理、工具调用、时间跨度长 的任务，Planning 是 Agent 智能的关键体现。

---

三、Plan-and-Execute 架构

这是当前 LLM-based Agent 最主流的范式之一：

[ User Task ]
     ↓
[ Planner (LLM) ] → 生成 Plan（步骤列表）
     ↓
[ Executor ] → 依次执行每个步骤（调用工具）
     ↓
[ Result ]

🔑 核心特点：

1. 解耦设计：Planner 只负责“想”，Executor 只负责“做”；
2. 模块化：Executor 可集成多种工具（邮件、搜索、计算等）；
3. 可扩展：Plan 可长可短，支持动态调整（进阶：RePlan）。

💡 你的实验 day7-plan-2.py 正是这一架构的典型实现！

---

四、LLM 如何做 Planning？

大语言模型（如 Qwen）本身不具备传统规划算法（如 STRIPS），但可通过 提示工程（Prompting） 激发其规划能力：

常用 Prompt 技巧：

你是一个任务规划助手。请将以下任务拆解为 3 个清晰、有序、可执行的步骤。
每个步骤必须以动词开头，简洁明了，不要解释。
只输出：
1. ...
2. ...
3. ...

用户任务：{task}

为什么有效？

• LLM 在训练中见过大量“任务→步骤”的文本（如教程、说明书）；
• 通过 结构化输出约束，引导其生成机器可解析的 Plan。

✅ 这就是 “LLM as Planner” 的本质：利用语言模型的常识推理能力进行任务分解。

---

五、Planning 的挑战与进阶方向

挑战	解决思路
Plan 不可行（如步骤缺失）	加入 验证机制（Execution Feedback + RePlan）
工具不支持某步骤	设计 Tool Registry，让 Planner 知晓可用工具
任务太复杂（>10 步）	分层规划（Hierarchical Planning）：先主干，再细节
环境动态变化	引入 Memory 和 Observation，实时更新 Plan

🚀 进阶架构：ReAct（Reason + Act）、Chain-of-Thought + Tool Use、AutoGen Group Chat

---

六、教学小结（板书要点）

AI Agent 的 Planning 能力
├── 本质：任务分解（Task Decomposition）
├── 架构：Plan-and-Execute（想 + 做）
├── 实现：LLM + Prompt Engineering
├── 优势：可解释、可扩展、贴近人类思维
└── 应用：自动化办公、智能客服、科研助手...

💬 金句：
“Planning is what separates a script from an Agent.”
（规划，是脚本与智能体的根本区别。）

《论语·为政》：“君子不器。”

孔子的理念中理想的人，不应像器具一样只有单一用途，而应具备通达之智、应变之能与自主之志。

今天，我们编写能“规划”的 AI Agent，正是在践行这一古老智慧——
我们拒绝做只会执行固定指令的“脚本”（器），
而要成为能理解目标、拆解任务、调用工具、动态调整的“智能体”（君子）。

同样，你的职业生涯也不应被限定于某一门语言、某一项技能。
要学会规划，保持学习，跨界融合——
像一个真正的“Agent”那样，主动设计人生路径，灵活应对未来挑战。

愿您：通才达识，立志高远

七、课后思考题

1. 如果 LLM 生成的 Plan 中包含“打电话给领导”，但系统没有电话工具，Agent 该怎么办？
2. 能否让 Agent 自己判断“是否需要规划”？（简单任务直接执行，复杂任务才规划）
3. 规划步骤是否应该包含“检查结果”？如何实现闭环？