智能系统的设计之道（七）

最简单的行动模式，是把思考与行动编织成微循环：先想“我还缺什么信息”，然后去调用工具拿信息，观察结果，再进入下一轮思考。这就是 ReAct——思考、行动、观察，循环往复，直到证据足够，给出结论。

它的设计哲学是认知的具身化：思考不应该在大脑里空转，而要在与世界的互动中展开。就像医生看病，不是坐在诊室里凭空推断，而是开检查单、看报告、再下诊断。边想边做的好处是灵活——每一步都基于最新的事实；代价是长任务容易“漂移”，走一步看一步，全局感弱，成本也高。

当任务足够长、足够复杂，边想边做就不够用了。规划 — 执行模式把“想”和“做”分成两个阶段：先自顶向下把目标分解成子任务，排好依赖关系（哪个先、哪个可以并行），画出一张任务地图；然后按图执行，每个执行单元专注自己的那一步。

它的设计哲学是关注点分离：规划者负责全局，执行者负责单点，互不干扰。好处是长任务有了全局掌控，可以并行优化；代价是计划可能过时——世界在变，画好的地图需要边走边改。所以成熟的规划 — 执行系统，执行中还要随时修订计划。

Agent 的能力上限，约等于它能调用的工具集。但工具越多，问题越难：接口五花八门，选错工具比没有工具更糟。

工具编排模式把工具组织成一条“能力总线”：每个工具都通过标准化接口接入，并附上语义化的描述——它是干什么的、接受什么参数、有什么副作用。Agent 不再需要硬编码每一个工具的用法，而是凭语义理解去选择：这个问题该查数据库，那个问题该调天气接口。标准化接口解决了“怎么调”，语义化描述解决了“选哪个”。于是，Agent 突破上下文窗口的限制，海量外部能力随取随用。

前三档都是“给定策略去执行”，但有些决策根本没有确定的最优解：是继续用已验证有效的老办法，还是冒险试试可能更好的新路？这就是经典的“探索与利用”难题。

自适应策略模式把决策本身交给学习：环境给出状态与奖励，学习器根据反馈不断调整策略网络——做对了，这条路被强化；做错了，下次避开。多臂老虎机、强化学习，都是这类机制。它的设计哲学是反脆弱的系统：系统不追求永不犯错，而是在反馈中变强，甚至把不确定性当作进化的养料——每一次失败，都是下一次更优策略的训练数据。

回头看这条进阶之路：简单任务，边想边做，灵活应变；长程任务，先想再做，全局掌控；能力扩展，靠工具编排，把外部世界变成自己的手脚；环境复杂，让策略自适应，在探索与利用中自我进化。

行动，是 Agent 与世界的对话。而怎么行动——从想一步做一步，到想清楚再动手，再到让“怎么想”本身也学会进化——才是智能最终的试金石。