9.2.1 推理路线图：计划、行动、检查

Agent 推理不是更长的回答，而是生成可用中间步骤、决定下一步做什么，并检查计划是否还有效。

先看规划闭环

核心习惯是：规划一步、行动、观察结果、记录状态检查点，并在情况变化时重新规划。

跑一个计划检查表

加工具之前先显式写出步骤。不能打印出来的计划，很难检查。

task = "prepare a cited RAG demo answer"
plan = ["inspect question", "retrieve sources", "draft answer", "check citations"]

print("task:", task)
for index, step in enumerate(plan, start=1):
    print(f"{index}. {step}")
print("checkpoint:", plan[-1])

预期输出：

task: prepare a cited RAG demo answer
1. inspect question
2. retrieve sources
3. draft answer
4. check citations
checkpoint: check citations

好的规划应该可见，并让失败更容易定位，而不是把问题藏在最后一段话里。

按这个顺序学

步骤	阅读	实操产出
1	LLM 推理能力	区分知道答案和推导路径
2	链式推理	建立中间状态和自检点
3	ReAct	交替进行思考、行动、观察和下一步
4	Plan-and-Execute	任务变大时分离规划和执行
5	高级规划	处理依赖、优先级、回滚和重规划
6	推理评估	评估最终结果、路径质量和失败类型

留下的证据

学完这一页，至少保留这张证据卡：

任务目标

Agent 想要解决什么

计划或轨迹

推理步骤、计划、ReAct 轨迹或执行图

观察

每次操作后发生了什么变化

失败检查

虚构步骤、过时观察、循环或未经验证的结论

评估动作

与期望结果对比并修正计划

通过标准

如果你能说明一个计划为什么失败：拆解差、工具选错、观察过期、缺少检查点或最终验证太弱，就通过了本章。

本章出口小项目是一个可见推理 trace：包含计划步骤、观察、重规划和最终回答。

检查思路与讲解

1. 合格答案要描述 agent 循环：目标、计划、工具调用、观察结果、记忆或状态更新，以及停止条件。
2. 证据应包含另一个开发者可以检查的 trace，而不只是最终回答。
3. 自检时要能说出一个安全或可靠性控制，例如工具 schema、权限边界、重试、评估用例或人工复核点。