简介:学完CoT、ReAct、Reflexion、ToT、Multi-Agent五套范式后,真正卡住工程落地的往往不是"会不会写",而是"该用哪个"。本文把这五个概念拆成能力维度做横向对比:先讲清它们其实是可叠加的能力层而非单选题,再从控制流形态、工具调用、纠错机制、并行能力、Token与延迟代价、可观测性六个维度分析差异,最后给出一棵可执行的决策树,并重点说明生产Agent为何普遍以ReAct循环为底座,以及Multi-Agent在什么条件下才值得投入。读完应能形成一套选型判断,而不是记住五个名词。
学习阶段看每个范式都很优雅:思维链强调”先把推理写出来”,ReAct强调”思考—行动—观察”的闭环,Reflexion强调”失败后反思再重试”,树状思考强调”多探几条路再择优”,多智能体强调”分工协作”。
问题在于,面试时被问”为什么选A范式而不是B范式”,回答需要理由;而工程里选错的直接后果是两件事:效果不达标和账单不可控。凡是引入分支搜索或多Agent对话的方案,实际运行中往往带来数倍乃至更高量级的调用放大——每一个分支节点要一次模型推理,每一轮Agent对话要一次完整上下文重放。这类放大是结构性的,不是靠调prompt能消掉的。
所以本文的对比对象很明确:CoT、ReAct、Reflexion、ToT、Multi-Agent五种Agent实现范式在能力、代价与适用边界上的差异,以及由这些差异推导出的选型规则。
| 范式 | 核心思想 | 解决的问题 |
|---|---|---|
| CoT(思维链) | 先想后做,把推理步骤显式写出再给结论 | 模型直接输出答案时中间跳步、逻辑断裂 |
| ReAct(推理+行动) | 思考—行动—观察循环,边想边做 | 纯推理拿不到实时/私有信息,需要与外部世界交互 |
| Reflexion(反思) | 失败或低分时反思原因,调整策略后重试 | 单次执行失败后无自我修正机制 |
| ToT(树状思考) | 同时展开多条推理路径,评估打分后择优或回溯 | 单一路径陷入死胡同,缺少全局搜索能力 |
| Multi-Agent(多智能体) | 多个Agent分角色,通过对话/消息协作完成任务 | 单Agent上下文过载、职责混杂、无法并行 |
关键认知是:它们不是同一层的东西。CoT是”想清楚”的能力;ReAct是”想清楚+会动手”的执行闭环;Reflexion是在执行闭环上加的纠错增强;ToT是把线性推理换成搜索结构的增强;Multi-Agent则是在”一个上下文装不下、一个执行者忙不过来”时改变的组织形态。
后两者可以在前者之上叠加。一个多智能体系统里的每个角色,内部实现通常仍然是ReAct循环;ToT的每个节点要拿到真实评价值,往往也得靠行动去取。所以正确的提问不是”选哪个”,而是”以哪个为骨架,按需叠加哪些增强“。
抛开差异,它们有三条共同基线:
也就是说,无论选哪种范式,配套的评估集、日志采集、指标监控(成功率、轮数、Token消耗、时延分布)是共同前置条件,不是某个范式的额外负担。
CoT不支持工具调用(它只是输出格式约束);ReAct原生支持,这也是它在生产环境占主流的根本原因;Reflexion建立在ReAct之上,天然继承工具能力;ToT可选是否使用工具;Multi-Agent支持,且可以让不同角色持有不同工具集与不同权限范围。
多路径/并行探索是ToT与Multi-Agent的独有能力,前三者都是线性的。这决定了两类收益:一是时延可以被并行压缩(ToT同层分支、多Agent独立子任务);二是质量可以通过候选集投票/择优提升。反过来,并行也意味着成本并发放大与结果合并的新问题。
从左到右基本呈单调递增关系:
| 维度 | CoT | ReAct | Reflexion | ToT | Multi-Agent |
|---|---|---|---|---|---|
| 实现复杂度 | 极低 | 低 | 中 | 高 | 很高 |
| Token与调用量 | 基线 | 低放大 | 中放大(失败重试) | 高放大(分支数×深度) | 高放大(角色数×轮次) |
| 延迟 | 最低 | 中 | 中偏高 | 高(可用并行缓解) | 高(可用并行缓解) |
| 可观测性/调试难度 | 低 | 中 | 中 | 高 | 最高 |
| 主要新增风险 | 幻觉跳跃 | 死循环、观察污染 | 反思空转、震荡重试 | 评估器偏差、搜索爆炸 | 消息风暴、上下文漂移、跨Agent权限越界 |
这张表里最容易被低估的是最后一行。复杂度上升的代价不只体现在钱上,更体现在故障定位时间上:单Agent线性链路的失败通常一眼可见;多Agent系统的失败可能出在消息格式、上下文传递范围或终止条件上,排查成本常常数倍于开发成本。
不是因为ReAct最强,而是因为它在”能力—代价—可控性”上最平衡:
一个通用的ReAct主循环骨架:
输入: goal, tools[], max_steps, budgethistory ← [goal]for step in 1..max_steps:decision ← model.predict(history + tool_schemas) # 思考 + 选择行动if decision.type == "final":return validate(decision.answer)obs ← tools[decision.name].call(decision.args)obs ← truncate_and_summarize(obs) # 控制上下文膨胀if is_error(obs) and enable_reflect:history ← history + reflect(obs) + revise_plan()history ← history + (action, obs)if budget.exceeded(): return fallback()return fallback()
工程上更稳妥的做法是最小化传递:只传结论与必要证据,不传完整对话历史;同时给每类消息定义结构化格式(任务、结果、错误、终止信号),避免自然语言自由对话带来的歧义与消息风暴。
值得上的信号:
不该上的信号:
一个可执行的判断顺序(决策树):
从简单范式往复杂范式迁移时,重点风险与改造点如下:
若希望降低自建Agent运行时与可观测性的门槛,可以考虑使用托管化程度更高的方案:百度智能云等平台通常提供模型服务、容器平台、日志服务与监控告警等通用能力,把链路追踪、指标采集与告警接入的成本降下来,让团队把精力放在范式选型和评估体系上。
选型不必绝对化,可以用条件化判断:
核心结论只有一句:五个范式是能力层而非选项,ReAct是生产系统的默认骨架,Reflexion与ToT是按需叠加的增强,Multi-Agent是组织形态层面的选择。判断依据始终围绕三点展开——任务是否存在可判定的反馈信号、子任务是否可并行且低耦合、以及团队能否承担相应量级的成本放大与调试成本。