1. ReAct

ReAct（Reason + Act）是构建智能体的一种范式，它通过一种特殊的提示工程来引导模型，使其每一步的输出都遵循一个固定的轨迹：

1. Thought（思考）：分析当前情况、分解任务、制定下一步计划，或者反思上一步的结果。
2. Action（行动）：决定采取的具体动作，通常是调用一个外部工具。
3. Observation（观察）：观察从外部工具返回的结果。

智能体将不断重复这个 Thought -> Action -> Observation 的循环，将新的观察结果追加到历史记录中，形成一个不断增长的上下文，直到它在Thought中认为已经找到了最终答案，然后输出结果。

2. Plan-and-Solve

Plan-and-Solve 是构建智能体的另一种范式，解决思维链在处理复杂问题时容易“偏离轨道”的问题，整个流程分两个核心阶段：

1. 规划 (Planning)： 将问题分解，并制定一个清晰、分步骤的行动计划。规划本身是一次 LLM 调用。
2. 执行 (Solving)： 严格按照计划中的步骤，逐一执行。每一步的执行都可能是一次独立的 LLM 调用，或者是对上一步结果的加工处理，直到计划中的所有步骤都完成。

3. Reflection

在前两种的基础上，加入反思和优化。核心流程：

1. 执行（Execution）：用 ReAct 或 Plan-and-Solve 尝试执行一个任务。
2. 反思（Reflection） 调用一个独立的LLM实例，扮演“评审员”，从多个维度进行评估完成情况，包括事实性错误、逻辑漏洞、效率问题、遗漏等。
3. 优化 (Refinement)：对反思阶段发现的问题，进行优化