05｜Agent 的 Plan 机制：好 Plan 必备的 5 要素（G4C）
邓明
你好，我是大明。
从这一讲开始我们要讨论一个新的话题，也就是 Agent 的运行模式。那么首先要讨论的就是一个比较简单的形式： Plan。
相信你在实践中已经接触过很多有 Plan 功能的 AI 产品了，最典型的就是 AI 编程工具——Codex，Claude Code 之类的。我也喜欢在实施重大变更之前先让 Agent 搞一个 Plan 出来，经过我的评审、纠正和同意之后才能执行。
同时我也用过一些比较糟糕的 Agent 产品，尤其是作为体验者去体验一些测试 Agent 的时候，它们的 Plan 功能往往构建得并不是很好。它们给出的 Plan 看上去合理，但是执行过程、最终结果总是会出现各种意外。
接下来我会先给出我使用的方法论，你不必完全照抄，因为我认为现在 Agent 还是一个百花齐放的状态。而且每一次大模型的进步都有可能导致这些方法论变得不合时宜，所以你要记得取其精华去其糟粕，也要记得适时而用。
Plan 的基本思路
很多人做 Agent，一提到 Plan，脑子里想的就是让大模型先输出一个步骤列表：
先分析用户需求；
再收集相关信息；
然后执行任务；
最后总结输出。
这种看起来像是一个标准的 Plan，它有效果，但也只有一点点。因为它完全没有回答：
用户的目标是什么？
当前已经知道什么，还缺少什么？
有没有约束？哪些约束不能违反（硬性约束），哪些约束只能尽量满足（软性约束）？
为什么步骤安排是这样的？比如说为什么第一步就非得是第一步？
如果 Plan 执行过程中出问题了，那么应该怎么办？
...
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《AI Agent 系统设计面试现场》，新⼈⾸单¥59
《AI Agent 系统设计面试现场》，新⼈⾸单¥59
立即购买
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论