智能体模式

理解 ReAct、PlanAct、Tree-of-Thought 与 Reflexion 在 QitOS 中如何落地。

QitOS 内置四种规范化智能体模式。它们改变的是策略层，而不是运行时。本质上，四种模式都运行在同一个 AgentModule + Engine 内核（kernel，执行内核）上。

把这页当成模式地图；如果你希望按步骤构建智能体，请直接继续阅读教程课程。

模式	适合什么任务	关键机制
ReAct	开放式工具使用、编码、搜索	Thought -> Action -> Observation 循环
PlanAct	有稳定结构的多步任务	显式计划列表，成功后游标前进
Tree-of-Thought	探索、研究、问答	通过 Decision.branch() 生成并比较候选分支
Reflexion	需要基于证据的自我批判任务	执行器先做，评估器再评估，循环直到收敛

​

模式总览

​

ReAct

ReAct 是 QitOS 中最简单、但也最实用的模式。

• 模型输出 Thought: 与 Action:
• ReActTextParser 把文本解析成 Decision（智能体每步的结构化决策）
• 工具执行
• reduce() 归约（reduce，将观测结果和决策归约回状态的钩子）把最新运行轨迹压缩进状态

适合：任务开放、下一步动作高度依赖最新观测结果（observation，每步后智能体接收的结构化观察结果）的场景。

主要示例：

• examples/patterns/react.py

建议继续阅读：

• 第 1 课：ReAct

​

PlanAct

PlanAct 在普通执行前增加一个显式规划层。

• decide() 在需要时先生成计划
• 状态里保存 plan_steps 与游标
• 后续步骤仍然回到 Engine 默认模型路径

适合：任务有稳定多步结构，并且你希望进度可检查、可解释。

主要示例：

• examples/patterns/planact.py

建议继续阅读：

• 第 2 课：PlanAct

​

Tree-of-Thought

Tree-of-Thought 更适合探索，而不是单一路径执行。

• 先生成多个候选分支并打分
• Engine 选择要继续扩展的分支
• 多条分支上的证据逐渐累积

适合：多种下一步都看起来合理，而过早承诺会带来较大代价的任务。

主要示例：

• examples/patterns/tot.py

​

Reflexion

Reflexion 在执行循环中加入基于证据的自我批判。

• 执行器先提出动作
• 评估器（critic，后置评估器，可批准、停止或重试当前步骤）根据运行轨迹评估这一步
• 运行可以根据评估器结果决定重试或停止

适合：仅靠原始续写不够，需要显式自检与纠偏的任务。

主要示例：

• examples/patterns/reflexion.py

​

如何选择

如果你的任务更像……	推荐起点
只需要下一个最合理的工具调用	ReAct
任务天然像一个待办清单	PlanAct
需要同时比较几个看起来都合理的方向	Tree-of-Thought
需要基于证据的批判与重试	Reflexion

​

推荐学习顺序

第 1 课：ReAct

学会最小但完整的”思考-动作-观测”循环

第 2 课：PlanAct

学会显式规划，而不更换运行时

Claude Code 风格智能体

看同一个内核如何变成长时间运行的编码智能体

代码安全审计智能体

看同一个内核如何变成领域化审计工作流