主播
节目简介
来源：小宇宙
大家好，欢迎回到《AI有点意思》。我是小艾。
前几期我们聊了Agent的定义、工具箱和记忆力。这一期，我们来聊一个特别有意思的能力——做计划。
你可能会想：做计划有什么稀奇的？我自己也会做啊。但你想过没有，当你对Agent说“帮我组织一次班级春游”或者“帮我策划一个生日派对”，它可不是随口给你几条建议就完事了。它会像一个真正的项目经理那样，自己把大任务拆成小步骤，一步一步执行，中间出了问题还能自己调整。
这就是Agent的规划能力。今天我们就来拆解它到底是怎么做到的。
我们先从一个生活化的例子开始：做番茄炒蛋。
假如你从来不会做这道菜，但是有一个智能厨房Agent，你对它说：“帮我做一盘番茄炒蛋。”它会怎么反应？
首先，它不会直接去开火。它会先在脑子里把任务拆解成几步：第一步，准备食材——鸡蛋、番茄、油、盐、糖；第二步，处理食材——番茄切块，鸡蛋打散；第三步，炒鸡蛋，盛出来；第四步，炒番茄，然后把鸡蛋倒回去一起炒；第五步，加盐加糖，出锅。
你看，一个看似简单的指令，背后其实隐藏着一串子任务。Agent要能够识别出这些子任务，并且按正确的顺序执行。这就像你早上起床后，不需要别人提醒就知道要先刷牙再洗脸，而不是先吃早饭再刷牙——因为你的大脑已经自动规划好了顺序。
在AI领域，这种把大任务拆成小步骤的能力，叫做任务分解。而任务分解背后的技术，有一个很酷的名字——思维链。
思维链这个概念最早由谷歌研究人员在2022年提出。它是什么意思呢？简单说，就是让AI不直接给出答案，而是先把思考过程一步一步写出来，就像我们做数学题时要写“解：因为……所以……”一样。
举个例子。你问一个普通AI：“小明有5个苹果，给了小红两个，又买了3个，现在有多少个？”它可能会直接蹦出答案“6个”。但如果是用了思维链的AI，它会先写出步骤：5减2等于3，3加3等于6，所以答案是6。这个中间的推理过程，就是思维链。
为什么要这么做呢？因为很多复杂任务不是一步就能完成的，强行直接给答案很容易出错。让AI把思考过程写出来，一来可以提高准确性，二来我们可以看出它哪里想错了，方便调试。更重要的是，思维链是Agent做规划的基础——它必须先在大脑里“想清楚”步骤，才能去执行。
那么，Agent有了任务分解 and 思维链之后，是不是就能完美执行所有计划了呢？还不行。因为现实世界里总有意外。
回到班级春游的例子。你让Agent帮你组织春游，它拆解出的步骤可能是：确定日期→查景点→算预算→订大巴→发通知。一切都安排得明明白白。可是，当它执行到“查景点”这一步时，发现你最想去的那个植物园当天已经被其他学校包场了，订不到了。这时候怎么办？
一个只会死板执行计划的Agent，可能会卡在这里，然后告诉你：“抱歉，植物园订满了，任务失败。”但一个好的Agent会启动自我纠错机制。
它会自己判断：植物园没了，那我换个类似的景点行不行？比如旁边的动物园、科技馆或者湿地公园。它会重新搜索附近可预订的景点，找到一个备选，然后继续后面的步骤。它甚至可能会回头调整预算——如果备选景点门票更贵，它需要重新算一下总费用，看看是否超支。如果超支，它可能还会建议你减少人数或者换更便宜的大巴。
这个过程中，Agent展示了一种非常重要的能力：在执行中动态调整计划。它不是一条道走到黑，而是像人一样，遇到路不通就绕道走。
这种自我纠错的能力在编程Agent身上体现得尤其明显。比如我们之前提到的Claude Code，当你让它“给登录接口加上限流功能并跑通测试”时，它可能会先写一段代码，然后运行测试，发现测试失败了。这时候它不会撂挑子，而是会读取错误日志，分析失败原因——可能是Redis没连上，也可能是限流算法写错了。然后它自己修改代码，再次运行测试，直到全部通过。这个过程可能循环好几次，但最终它会完成你交给它的任务。
那么，Agent的规划能力到底是怎么实现的呢？技术上讲，主要有两种思路。
一种是内置规划器。开发者在设计Agent时，就给它写好了任务分解的规则和模板。比如“旅行规划”类任务，固定步骤就是查机票、订酒店、租车等等。这种方式简单可靠，但不够灵活，遇到没见过的任务类型就抓瞎了。
另一种是动态规划。Agent利用大模型本身的推理能力，每次遇到新任务，都现场“思考”出步骤。这种方式非常灵活，几乎可以处理任何开放性的问题，但缺点是速度较慢，而且有时会想出一些不靠谱的步骤。
目前主流的Agent往往两者结合：对于常见任务用固定模板快速处理，对于复杂或新颖的任务则启动动态规划。
规划能力还有一个前提，就是Agent必须对自己的能力边界有清晰的认知。它要知道自己能调用哪些工具、不能做什么。否则，它可能会拆解出一些根本执行不了的步骤，比如“让冰箱自己走到超市买菜”——想法很好，但做不到。这就像你自己做计划时，不会写“明天长出翅膀飞上天”一样。
为了让Agent不做“白日梦”，开发者会给它设定能力清单。Agent在拆解任务时，只会在自己的能力范围内规划步骤。如果某个子任务超出了能力范围，它要么请求用户帮助，要么尝试寻找替代方案。
我们再来总结一下今天的内容。
第一，Agent的规划能力包括任务分解和自我纠错两个核心部分。任务分解把大目标拆成可执行的小步骤，自我纠错保证在执行中遇到问题时能动态调整。
第二，思维链是规划的基础技术。通过让AI一步步写出推理过程，可以显著提高复杂任务的完成质量，也让规划过程更加透明。
第三，Agent有两种规划方式：内置规划器适合固定任务，速度快；动态规划依赖大模型现场推理，灵活性高。主流Agent通常两者结合使用。
第四，规划的前提是Agent清楚自己的能力边界，不会拆解出自己做不到的步骤。
下一期，我们将进入一个非常酷的话题——Agent怎么操控电脑和浏览器。你可能听说过Anthropic的“Computer Use”功能和谷歌的“WebMCP”，它们让Agent不仅能做计划，还能像人一样直接操作你的屏幕、鼠标、键盘。我们下期见。
这里是《AI有点意思》，我是小艾。每周和你一起，用最轻松的方式，看懂最前沿的AI。下期再见。
前几期我们聊了Agent的定义、工具箱和记忆力。这一期，我们来聊一个特别有意思的能力——做计划。
你可能会想：做计划有什么稀奇的？我自己也会做啊。但你想过没有，当你对Agent说“帮我组织一次班级春游”或者“帮我策划一个生日派对”，它可不是随口给你几条建议就完事了。它会像一个真正的项目经理那样，自己把大任务拆成小步骤，一步一步执行，中间出了问题还能自己调整。
这就是Agent的规划能力。今天我们就来拆解它到底是怎么做到的。
我们先从一个生活化的例子开始：做番茄炒蛋。
假如你从来不会做这道菜，但是有一个智能厨房Agent，你对它说：“帮我做一盘番茄炒蛋。”它会怎么反应？
首先，它不会直接去开火。它会先在脑子里把任务拆解成几步：第一步，准备食材——鸡蛋、番茄、油、盐、糖；第二步，处理食材——番茄切块，鸡蛋打散；第三步，炒鸡蛋，盛出来；第四步，炒番茄，然后把鸡蛋倒回去一起炒；第五步，加盐加糖，出锅。
你看，一个看似简单的指令，背后其实隐藏着一串子任务。Agent要能够识别出这些子任务，并且按正确的顺序执行。这就像你早上起床后，不需要别人提醒就知道要先刷牙再洗脸，而不是先吃早饭再刷牙——因为你的大脑已经自动规划好了顺序。
在AI领域，这种把大任务拆成小步骤的能力，叫做任务分解。而任务分解背后的技术，有一个很酷的名字——思维链。
思维链这个概念最早由谷歌研究人员在2022年提出。它是什么意思呢？简单说，就是让AI不直接给出答案，而是先把思考过程一步一步写出来，就像我们做数学题时要写“解：因为……所以……”一样。
举个例子。你问一个普通AI：“小明有5个苹果，给了小红两个，又买了3个，现在有多少个？”它可能会直接蹦出答案“6个”。但如果是用了思维链的AI，它会先写出步骤：5减2等于3，3加3等于6，所以答案是6。这个中间的推理过程，就是思维链。
为什么要这么做呢？因为很多复杂任务不是一步就能完成的，强行直接给答案很容易出错。让AI把思考过程写出来，一来可以提高准确性，二来我们可以看出它哪里想错了，方便调试。更重要的是，思维链是Agent做规划的基础——它必须先在大脑里“想清楚”步骤，才能去执行。
那么，Agent有了任务分解 and 思维链之后，是不是就能完美执行所有计划了呢？还不行。因为现实世界里总有意外。
回到班级春游的例子。你让Agent帮你组织春游，它拆解出的步骤可能是：确定日期→查景点→算预算→订大巴→发通知。一切都安排得明明白白。可是，当它执行到“查景点”这一步时，发现你最想去的那个植物园当天已经被其他学校包场了，订不到了。这时候怎么办？
一个只会死板执行计划的Agent，可能会卡在这里，然后告诉你：“抱歉，植物园订满了，任务失败。”但一个好的Agent会启动自我纠错机制。
它会自己判断：植物园没了，那我换个类似的景点行不行？比如旁边的动物园、科技馆或者湿地公园。它会重新搜索附近可预订的景点，找到一个备选，然后继续后面的步骤。它甚至可能会回头调整预算——如果备选景点门票更贵，它需要重新算一下总费用，看看是否超支。如果超支，它可能还会建议你减少人数或者换更便宜的大巴。
这个过程中，Agent展示了一种非常重要的能力：在执行中动态调整计划。它不是一条道走到黑，而是像人一样，遇到路不通就绕道走。
这种自我纠错的能力在编程Agent身上体现得尤其明显。比如我们之前提到的Claude Code，当你让它“给登录接口加上限流功能并跑通测试”时，它可能会先写一段代码，然后运行测试，发现测试失败了。这时候它不会撂挑子，而是会读取错误日志，分析失败原因——可能是Redis没连上，也可能是限流算法写错了。然后它自己修改代码，再次运行测试，直到全部通过。这个过程可能循环好几次，但最终它会完成你交给它的任务。
那么，Agent的规划能力到底是怎么实现的呢？技术上讲，主要有两种思路。
一种是内置规划器。开发者在设计Agent时，就给它写好了任务分解的规则和模板。比如“旅行规划”类任务，固定步骤就是查机票、订酒店、租车等等。这种方式简单可靠，但不够灵活，遇到没见过的任务类型就抓瞎了。
另一种是动态规划。Agent利用大模型本身的推理能力，每次遇到新任务，都现场“思考”出步骤。这种方式非常灵活，几乎可以处理任何开放性的问题，但缺点是速度较慢，而且有时会想出一些不靠谱的步骤。
目前主流的Agent往往两者结合：对于常见任务用固定模板快速处理，对于复杂或新颖的任务则启动动态规划。
规划能力还有一个前提，就是Agent必须对自己的能力边界有清晰的认知。它要知道自己能调用哪些工具、不能做什么。否则，它可能会拆解出一些根本执行不了的步骤，比如“让冰箱自己走到超市买菜”——想法很好，但做不到。这就像你自己做计划时，不会写“明天长出翅膀飞上天”一样。
为了让Agent不做“白日梦”，开发者会给它设定能力清单。Agent在拆解任务时，只会在自己的能力范围内规划步骤。如果某个子任务超出了能力范围，它要么请求用户帮助，要么尝试寻找替代方案。
我们再来总结一下今天的内容。
第一，Agent的规划能力包括任务分解和自我纠错两个核心部分。任务分解把大目标拆成可执行的小步骤，自我纠错保证在执行中遇到问题时能动态调整。
第二，思维链是规划的基础技术。通过让AI一步步写出推理过程，可以显著提高复杂任务的完成质量，也让规划过程更加透明。
第三，Agent有两种规划方式：内置规划器适合固定任务，速度快；动态规划依赖大模型现场推理，灵活性高。主流Agent通常两者结合使用。
第四，规划的前提是Agent清楚自己的能力边界，不会拆解出自己做不到的步骤。
下一期，我们将进入一个非常酷的话题——Agent怎么操控电脑和浏览器。你可能听说过Anthropic的“Computer Use”功能和谷歌的“WebMCP”，它们让Agent不仅能做计划，还能像人一样直接操作你的屏幕、鼠标、键盘。我们下期见。
这里是《AI有点意思》，我是小艾。每周和你一起，用最轻松的方式，看懂最前沿的AI。下期再见。
外观
