主流架构深度对比
上一篇我们知道了Agent是什么，这篇来聊聊Agent是怎么干活的。
同样是完成一个任务，不同的Agent可能有完全不同的"工作风格"。有的边想边干，做一步看一步；有的先整体规划，再分步执行；有的做完还要自我检查，反复打磨。
这些不同的工作风格，在技术上叫做Agent架构。目前主流的有三种：ReAct、Reflection、Plan and Execute。
咱们用一个统一的场景来对比它们：假设你让Agent帮你分析某个品类的电商竞品，给出定价建议。
ReAct：边想边干的实干派
核心思想
核心概念
ReAct的全称是Reasoning + Acting，核心理念是思考和行动交替进行。
它模仿的是人类解决问题的自然过程：遇到问题先想一想，想清楚就动手做，做完看看结果，根据结果再想下一步该怎么办。
用三个词概括：Thought（思考）→ Action（行动）→ Observation（观察），然后循环往复。
论文背景
ReAct架构最早来自普林斯顿和Google的研究论文 《ReAct: Synergizing Reasoning and Acting in Language Models》，论文地址：https://react-lm.github.io/
作者通过实验证明，单独的推理（Chain of Thought）或单独的行动（工具调用）都不如两者结合的效果好。
实验结论
论文中的实验结果显示：
- 标准方法：直接让模型回答，容易产生幻觉
- 纯推理（CoT）：只思考不行动，缺乏外部信息
- 纯行动（Act Only）：只调工具不思考，容易走偏
- ReAct：边想边做，能在行动中发现错误并修正
在多跳问答任务中，ReAct的准确率比其他方法有明显提升，特别是在需要多步推理的复杂问题上。
付费内容提示
该文档的全部内容仅对「JavaUp项目实战&技术讲解」知识星球用户开放
加入星球后，你可以获得：
- 超级八股文：100万+字的全栈技术知识库，涵盖技术核心、数据库、中间件、分布式等深度剖析的讲解
- 讲解文档：超级AI智能体、黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的从0到1的详细文档
- 讲解视频：超级AI智能体、黑马点评Plus、大麦、大麦pro、大麦AI、流量切换、数据中台的核心业务详细讲解
- 1 对 1 解答：可以对我进行1对1的问题提问，而不仅仅只限于项目
- 针对性服务：有没理解的地方，文档或者视频还没有讲到可以提出，本人会补充
- 面试与简历指导：提供面试回答技巧，项目怎样写才能在简历中具有独特的亮点
- 中间件环境：对于项目中需要使用的中间件，可直接替换成我提供的云环境
- 面试后复盘：小伙伴去面试后，如果哪里被面试官问住了，可以再找我解答
- 远程的解决：如果在启动项目遇到问题，本人可以帮你远程解决
进入星球后，即可享受上述所有服务，保证不会再有其他隐藏费用。
