Agent下一步决策自动生成机制

可视化演示

展示三种经典代码优化技术：常量折叠、死代码消除与公共子表达式消除，演示优化前后代码的变换过程。

决策循环——旅行者的“看-想-走”

旅行者不会闭着眼睛往前走。每到一个路口，他都会停下来：看路牌、对着地图定位（观察），在脑子里盘算该走哪条路（思考），然后迈出一步（行动）。到了下一个路口，这个流程再来一遍。真正有经验的旅行者并不需要提前把每一段路都记死，他靠的是“走一步看一步”的节奏感——先看，再想，再走，循环往复，直到抵达终点。

Agent的自主运行，本质上就是这个循环。业界把“观察→思考→行动→再观察”称为决策循环（Decision Loop），其中最典型的是ReAct范式：让大模型“看”当前环境（Observation），“想”下一步做什么（Thought），再输出一个具体动作（Action）。动作执行后环境变化，新的观察进入下一轮。可以说，这个循环就是Agent的心脏，每一次跳动都在生成“下一步决策”。

循环的每一步可以用一个简洁公式描述。设第 \(t\) 步的状态（即观察结果）为 \(s_t\)，大模型策略为 \(\pi\)，则Agent自主生成的下一步动作是：

动作执行后，环境演化出新状态 \(s_{t+1}\)，循环继续，直到满足终止条件——例如到达目的地、任务完成、或重试次数用尽。

旅行者的每一次“看→想→走”，在Agent里就是一次决策循环。你不需要在一开始就规划好旅程的每一步，只要循环足够健壮，走一步看一步也能抵达终点。

任务规划——出发前的行程设计

但旅行者也不会完全不准备就出门。出发前他会摊开地图，把“逛完这座城市”这个大目标拆成几个小目标：上午去老城区，下午去博物馆，傍晚去江边看日落。每个小目标再拆成可执行的步骤：坐地铁1号线到XX站，出站步行500米，左转过两个红绿灯……这张行程表，让他心里有底。

Agent面对复杂任务时也一样。如果让大模型一步到位输出“分析销售报表并生成PPT”的完整答案，结果往往会东拉西扯、漏洞百出。正确做法是先做任务规划（Task Planning）：把大目标 \(G\) 拆成若干子目标 \(g_1, g_2, \ldots, g_n\)，再为每个子目标生成具体的步骤序列。这一步相当于给Agent画一张“行程表”。

规划方式有两种：一次性规划（Plan-then-Execute，出发前把整张地图看完再走）和渐进式规划（边走边规划，到了一个地方再决定下个地方）。后者对动态环境更鲁棒，但需要更精细的上下文管理。规划之后还要做计划编排，决定步骤之间的依赖和先后顺序——先取数，再分析，最后出图，这个顺序不能乱。

任务规划就像旅行者临行前画一张行程表。有了它，旅行者不必在每个路口从零开始思考；但遇到计划外的情况，他仍会临场调整——这正是下一节“环境反馈”要解决的事。

环境反馈——路牌与路人的指引

旅行者走上中山路，走了500米，发现路牌上写着“中山路施工请绕行”。他拦住一位路人，得知博物馆今天临时闭馆。这些来自外部世界的信息，正在告诉他一个关键事实：你之前的决策对不对，需不需要调整。没有这些反馈，旅行者就会在一条已经封死的路上越走越远。

Agent执行动作后，环境会返回一个观察结果，这就是环境反馈。把反馈与“预期结果”对比，能得到一个误差信号，用来指导下一步决策修正。没有反馈的Agent就像蒙着眼睛走路的旅行者，撞了墙也不知道回头。反馈机制是决策闭环里不可缺少的一环，它让Agent从“按计划执行”升级为“按现实调整”。

设执行动作后环境给出的反馈为 \(r_t\)，Agent原本预期的反馈为 \(\hat{r}_t\)，二者之差就是误差：

策略调整的方向是让误差变小：

这里的“调整”通常不是像训练深度学习模型那样直接更新权重，而是通过提示词、上下文记忆、子任务重排等“思维层面”的操作来修正，这是Agent工程与大模型预训练的一个显著区别。

路牌和路人就是旅行者的环境反馈。聪明的旅行者不会闷头按原计划走，而是每走一段就核对一次路况，有偏差就调整。Agent的自主性，恰恰来自对反馈的敏感。

失败重试——走错路怎么回到正轨

旅行者发现自己走错了路——那条路的尽头是断头路。他不会傻站在原地反复尝试翻墙，而是退回到最后一个正确的路口，重新查地图，换一条路。如果连续试了三条路都不通，他还会掏出手机给民宿老板打电话求助。这种“及时止损、分层应对”的策略，是成熟旅行者的基本素养。

Agent在执行决策时，失败几乎是必然的：工具调用报错、API返回异常、模型输出格式不对、子任务结果不符合预期。设计一套失败重试机制，是决策循环中最容易被低估的环节。没有重试的Agent一遇到错误就“死机”，而不会重试的Agent则会在同一个坑里反复跌倒。重试机制的核心，是一个带次数上限的决策：

重试时配合指数退避策略，避免连续高频重试造成系统抖动：

旅行者“退回上一个路口、换一条路、打电话求助”三个动作，对应Agent的“回退到稳定状态、切换策略、上报人工”三层兜底。失败要尽早发现、及时止损，而不是硬着头皮往前走。

多步推理——岔路口的综合判断

前方出现一个六岔路口，光看一块路牌是不够的。旅行者掏出手机地图，看看太阳方向，回忆路人刚才说的话，把几条线索在脑子里综合推演一遍：“如果走A路，地图显示最近，但路人说A路在修；走B路虽然远，但能路过我想看的钟楼……”这种把中间过程一步步想清楚的能力，就是多步推理。

大模型单次直接输出最终答案时，在复杂任务上容易出错。多步推理（Multi-step Reasoning）的思路是让模型把中间推理步骤显式地写在上下文里，逐步累积证据，再做出决策。最典型的方法是思维链（Chain-of-Thought），简单说就是让模型“一步一步想”，而不是一口吃成胖子。

多步推理可以形式化为一个贝叶斯式更新过程：设候选假设为 \(h\)（例如“走A路最快”），陆续观察到的证据为 \(e_1, e_2, \ldots, e_n\)（路牌、地图、路人描述），后验信念则不断更新：

工程实践中不一定显式计算贝叶斯公式，而是用思维链提示让模型“把每一步推导写出来”，效果上近似于在多条证据间做加权综合。同时还要做状态追踪，记录每一步的中间状态，防止Agent走着走着忘了自己到过哪儿。

六岔路口前的旅行者，用头脑里的“推理草稿纸”把地图、路牌、路人三条证据摊在一起，最终做出决定。Agent的多步推理就是让模型把这张草稿纸摆在台面上——中间过程可读、可校验、可回溯。

工具编排——用好你的装备包

旅行者不只是靠自己的两条腿。手机地图App查路线，翻译App和路人交流，指南针App看方向，充电宝保证手机不断电——每个工具解决一类问题。老练的旅行者知道什么情况下掏什么工具，也知道工具返回的信息怎么与已有线索合并。背包里工具再多，不会用也白搭。

Agent光靠“想”不能改变世界，必须靠行动影响环境，而行动的基本形式就是调用工具：查数据库、调API、执行代码、发消息。工具编排（Tool Orchestration）要解决三个问题：选哪个工具、传什么参数、怎么解读结果。这正是从“会思考”到“会做事”的关键一跃。

工具选择可以建模为效用最大化问题。在状态 \(s_t\) 下，对候选工具 \(k\) 计算效用：

选定工具后生成带参数的调用：

执行后返回的结果作为新的观察，参与下一轮思考：

一个满背包但不会用工具的旅行者，和两手空空的旅行者一样寸步难行。Agent的装备包就是工具集；学会在合适场景选对工具、把工具结果吸收进决策，Agent才能真正“手脚并用”地完成任务。

AI 应用场景

Python 演示

# -*- coding: utf-8 -*-"""TravelerAgent: 一个模拟 Agent 决策循环的最小示例. 演示观察 -> 思考 -> 行动 -> 再观察 的完整闭环."""  class MockEnv:    """模拟环境, 对 Agent 的动作返回反馈."""     def __init__(self):        self.fail_at = {2}  # 第2步会失败     def get_feedback(self, step_id):        if step_id in self.fail_at:            return "fail: 该路线施工中, 禁止通行"        return "ok: 已到达预期位置"  class TravelerAgent:    """只走一步看一步的旅行者 Agent."""     def __init__(self, steps):        self.steps_plan = list(steps)        self.step_index = 0        self.retry_count = 0        self.max_retry = 2        self.history = []     def observe(self, env):        feedback = env.get_feedback(self.step_index)        self.history.append(feedback)        return feedback     def think(self, feedback):        if feedback.startswith("fail"):            self.retry_count += 1            if self.retry_count > self.max_retry:                return "fallback"            return "retry"        self.retry_count = 0        return "continue"     def act(self, decision):        if decision == "fallback":            return "切换备选方案, 改走 B 路"        if decision == "retry":            return "原地停顿, 等待施工结束"        self.step_index += 1        return "执行下一步: {}".format(self.steps_plan[self.step_index - 1])     def run(self, env):        outputs = []        while self.step_index < len(self.steps_plan):            feedback = self.observe(env)            decision = self.think(feedback)            action = self.act(decision)            outputs.append(action)            if decision != "continue":                break        return outputs  if __name__ == "__main__":    plan = ["取行李", "坐地铁", "走到博物馆", "买票", "进馆参观"]    agent = TravelerAgent(plan)    env = MockEnv()    for i, line in enumerate(agent.run(env), 1):        print("第{}步 -> {}".format(i, line))

1. feedback = env.get_feedback(self.step_index)观察环境：旅行者抬头看路牌，Agent读取当前步的环境反馈。
2. if feedback.startswith("fail"):错误检测：路牌显示“施工中”，Agent识别出这是失败信号。
3. self.retry_count += 1把重试次数记到账上，防止无限重试。
4. if self.retry_count > self.max_retry:超过上限就走兜底路线，对应旅行者打电话求助。
5. self.step_index += 1只有"continue"才推进步数，确保失败时不会稀里糊涂往前走。
6. while self.step_index < len(self.steps_plan):循环终止条件：行程表走完才停下来。
7. if decision != "continue": break兜底退出：决定换路时跳出循环，不再硬走。

常见误区

面试题