AI工程师手册原理图解：Plan → Reflect → Replan，Agent 计划改进循环如何工作？
AI工程师手册原理图解Plan → Reflect → ReplanAgent 计划改进循环如何工作【免费下载链接】ai-angineers-handbook项目地址: https://gitcode.com/gh_mirrors/ai/ai-angineers-handbook大模型给出的计划真的可靠吗在 AI工程师手册ai-angineers-handbook中作者用一套从零实现的完整源码展示了Agent 计划改进循环Plan → Reflect → Replan如何让智能体像人类一样先制定计划、再自我反思、最后修订计划。本文用图解的方式帮你快速理解这套Agent 反思机制的核心原理、源码结构与实战场景。什么是 Plan → Reflect → Replan 计划改进循环这是让 AI Agent 自我纠错的经典范式一共三步Plan规划Agent 根据用户查询先生成一份执行计划包括思考过程、步骤列表和要调用的工具。Reflect反思Agent 调出最近的计划站在批评者的角度检查工具选对了吗参数正确吗步骤够高效吗有没有遗漏Replan重新规划如果反思发现需要修改Agent 基于反思反馈重新生成一份改进后的计划如果计划已经够好就直接采用。这就像一个工程师写完方案后先自己审一遍再根据评审意见改稿最终交付更高质量的方案。图解规划、记忆与工具如何协作上图展示了 Agent 的内部结构核心是LLM Controller左侧是Planning规划模块右侧是Tools工具上方是Memory记忆其中短期记忆与长期记忆双向交互。规划并非凭空产生而是结合了历史记忆与工具能力——这正是有记忆的规划与一次性问答的本质区别。图解反思循环的完整工作流程这张图把Reflect → Replan的闭环画得很清楚用户查询与系统提示一起送入 LLM 生成初始计划Plan计划进入修正环节Revised Plan需要外部信息时调用 Tools工具结果再回传给反思 LLM最终把经过反思的答案反馈给用户。紫色虚线的循环箭头代表信息持续流动、计划不断被改进。从零实现的 Agent 反思源码拆解该项目的重点在于从零实现——不依赖任何 LLM 编排框架只用 OpenAI SDK 就搭出了完整的反思管线核心代码在 main.py 中plan()把系统提示与用户查询发送给 LLM解析出 JSON 格式的计划并连同时间戳一起存入interactions工作记忆main.py#L162-L186。reflect_on_plan()取出最近一次交互记录让 LLM 以反思者身份输出requires_changes是否需要修改和具体建议main.py#L188-L243。execute()完整串联Plan → Reflect → Replan——先生成初始计划再反思若需要修改就把反馈作为新上下文交给 LLM 重新生成最终计划main.py#L245-L295。可以看到反思循环的每个环节都是普通 LLM API 调用真正重要的是如何组织上下文把原始计划 反思反馈一起交给模型它才能有的放矢地改进。真实案例Deep Research Agent 如何用反思迭代搜索同样来自该项目的 Deep Research Agent 是反思循环的高级应用它先规划报告大纲再对每个段落执行首轮搜索 → 首轮总结随后进入反思阶段topology.py#L74-L96。每次反思都会检查当前段落是否遗漏了关键信息并生成新的搜索词去补充检索再迭代地丰富段落内容默认执行 2 轮反思。这正是Replan 循环在研究型任务中的典型落地——不是修改代码而是改进搜索策略与信息覆盖面。什么时候该用 Plan → Reflect → Replan✅适合复杂多步任务、依赖工具或外部搜索结果、对答案完整度要求高的场景如深度研究、代码重构方案设计。⚠️注意简单问题如日元是什么货币无需工具也无需反思过度反思只会增加延迟与成本。源码中requires_tools与requires_changes两个布尔标志正是用来动态判断要不要动手、要不要返工。快速上手运行这个计划改进循环示例想亲手体验克隆仓库并运行示例即可git clone https://link.gitcode.com/i/9df6ac08e68b655f2ecee895aa26bf7e cd ai-angineers-handbook/building_agents_from_scratch/planning/reflection uv pip install -r requirements.txt export OPENAI_API_KEYyour_api_key python3 src/main.py运行后会依次输出每个查询的初始计划Initial Plan→ 反思结论Reflection→ 最终计划Final Plan你可以直观地看到 Agent 如何自我修正。项目还提供了 reflection.ipynb 交互式笔记本适合边运行边学习。掌握Plan → Reflect → Replan这个 Agent 计划改进循环你就掌握了让 AI 从一次性回答进化为自我迭代的关键钥匙。从今天开始试着给你的 Agent 加上一层反思能力吧【免费下载链接】ai-angineers-handbook项目地址: https://gitcode.com/gh_mirrors/ai/ai-angineers-handbook创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
