ReAct 与执行模式

ReAct 解决推理与外部事实脱节

ReAct 原论文把 reasoning trace 与 task-specific action 交错：当前推断决定下一动作，动作从外部环境取得 Observation，Observation 再改变后续决策。工程上应保留的是这条可观察闭环，而不是要求模型公开不可验证的私有思维链。

Anthropic 的工程指南强调 Agent 在执行中从环境取得 ground truth，并设置停止条件。这里的 ground truth 不是“绝对真理”，而是当前任务的权威可观察信号，例如订单服务中的真实状态、测试进程的退出码或审批系统的决定。

Action Space 决定可控性上限

Action Space 是模型在某个状态下可选择动作的集合。工具清单只是其中一部分；直接回答、请求澄清、等待人工、委派子任务、取消和报告失败同样是动作。Runtime 应依据身份、租户、运行阶段和风险动态计算可用集合，而不是把所有工具一次性暴露给模型。

高风险动作不能只靠 Prompt 禁止，因为 Prompt 是模型输入，不是授权边界。权限要在工具执行端重新校验；审批必须绑定动作、参数、目标对象版本和有效期，防止批准后被替换。

系统需要决策证据，不需要暴露私有思维链

可审计 Trace 应回答“系统看到了什么、采取了什么、依据哪些可检查事实、产生了什么外部效果”。它不应把模型的自由文本推理当成事实，也不应依赖供应商未承诺提供的原始 reasoning tokens。

• 记录模型、Prompt、Tool Schema、策略与配置版本；
• 记录结构化计划摘要、选中的 Action、完整参数与权限判定；
• 记录 Observation 的来源、时间、截断状态和可关联 Artifact；
• 分别标记事实、模型建议、待验证假设与最终业务状态。

这样做还有隐私收益：原始推理可能复述敏感 Context，而结构化决策事件可以按字段脱敏和制定保留策略。审计目标是复现控制流和外部后果，不是监视模型“内心”。

按任务结构选择执行模式

模式选择的默认顺序是：先尝试单次调用或确定性 Workflow；只有路径确实依赖运行时发现，才引入模型驱动循环。复杂度应由评测收益购买，而不是由“Agent 化”愿望驱动。

ReAct

适合路径不能提前确定、每一步都依赖新 Observation、动作短到中等且可频繁校验的任务，例如探索式排障。代价是步骤、成本和失败路径难预测；必须限制 Action Space、进展和总预算。

Plan-and-Execute

先形成高层任务图，再由 Executor 按依赖执行；适合目标可分解、计划需要对用户可见、独立节点可并行的长任务。计划不是承诺：环境变化时必须局部失效并重规划，不能维护两份互相漂移的“自然语言计划”和运行状态。

Deterministic Workflow

路径稳定、规则可枚举、监管或不可逆风险较高时，代码拥有控制流，模型只负责分类、抽取或生成候选。Anthropic 将这类预定义代码路径称为 workflow；其优势是可预测、可测试，缺点是难覆盖开放路径。

混合

生产默认通常是混合模式：模型提出计划、选择低风险动作；代码校验任务图、调度依赖、执行策略和验收后置条件；人工承担高影响判断。它不是平均折中，而是按可验证性和后果分配控制权。

范式常见失败

失败恢复要区分“换一种推理”与“外部世界已经变化”。前者可以重新规划；后者要保留已验证产物、回执和副作用，不允许新计划把历史当作没有发生。

用任务证据决定模式

用同一代表性任务和同一成功判定比较候选模式，而不是凭 Demo 的主观流畅度。除任务成功率外，应看步骤数分布、无效动作率、恢复成功率、人工介入、尾延迟、成本和高风险动作被阻断的准确性。

ADR 至少写清：默认模式与适用边界；Why Not 其他模式；不可逆节点如何降级；当环境变化率、成功率或成本越过什么阈值时复审。一个“更智能但更贵”的方案，只有在任务价值覆盖成本且风险可控时才成立。