此处基于开源教程及相关书籍，学习一些经典的Agent智能体设计模式如React、Plan-and-Solve、Reflection。
Agent发展脉络
基于参考资料1的前三章内容可知，智能体可以感知环境，思考后采取行动。
简易的发展脉络可如下图所示。
可以看到每次智能体大的范式变更都解决了上个阶段的核心痛点。
目前主流的智能体即是基于LLM的智能体。
下面基于参考资料1的第四章和参考资料2的第七章，学习一些经典的智能体设计模式。
React模式
React模式由2022年被提出，通过"思考--行动--观察"的循环，用行动驱动推理，而不只靠推理。
主要流程如下(参考资料2的7.1节)。
此处跑一下参考资料1第4章中的React案例，代码逻辑如下。
从下图运行结果可以看到，完成任务共调用了3次LLM和2次网页搜索工具
Plan-and-Solve模式
Plan-and-Solve模式拿到任务先规划蓝图再逐步执行。
主要流程如下(参考资料2的7.2节)。
此处跑一下参考资料1第4章中的Plan-and-Solve案例，代码逻辑如下。
从下图运行结果可以看到，总任务先被分解为子任务清单并被逐步完成。
Reflection模式
Reflection模式引入了反思(评审)机制，反思上一步结果并驱动程序进入下一步。
主要流程如下(参考资料2的8.1.1节)。
此处跑一下参考资料1第4章中的Reflection案例，代码逻辑如下。
从下图运行结果可以看到，任务经过2轮迭代就达到了停止。
参考
1.Datawhale 《从零开始构建智能体》教程：https://github.com/datawhalechina/hello-agents
2.黄佳《Agent设计模式图解可复用智能体架构》人民邮电出版社
