名词解释：Agent、Workflow、Tools、Skill、ReAct、Plan-and-Execute、Reflection 等

提示

题眼： 掌握关键概念，区分差别，同类型需要了解优劣。

重要

参考答案：

Agent 是一个智能体，它和 LLM 大模型最大的区别是自主性。传统的 LLM 是对话型的，一问一答，而 Agent 有规划和行动能力，可以通过调用工具，加载记忆等方式，设计步骤，完成一个复杂的任务。

Workflow 是工作流，它可以将 Tools、大模型、Agent 等等各种工具作为一个 Lambda 节点编排到一个工作流里，每个节点做什么，按什么顺序流转都是预先设计好的，这样可以保证最后的输出内容符合开发者的预期。

Tools 是一个工具，可以认为是整个 Agent 开发中的最小单元。可以简单的认为，它就是一个封装好的函数，比如说搜索，读取文件之类的。它只有执行的权限，没有任何决策能力，也不能自主决定什么时候执行，一般都是随 Agent 或者 Workflow 来调用。

Skills 是一个技能模块，是面向业务能力的封装。它是把 tools 或者 function calling 等工具、流程，规则等逻辑打包成一个独立的能力，提供给 Agent 调用，并且可以复用，进而降低 Agent 自己造轮子的成本。

ReAct 是 Agent 开发的一种范式，它主要逻辑是边干边思考，通过‘思考-行动 -观察-在思考’这样的循环，走一步看一步，完全基于当前现状，规划下一步操作。这种方式比较简单，比较适合简单的，流程不固定，需要随时调整的任务。但他也有缺点，就是容易出现‘长任务偏离’问题，并且随着步骤越来越多，消耗的 Token 也会线性增长。

Plan-and-Execute 是 Agent 开发的另一种范式。它和 ReAct 刚好相反，是‘先规划再执行’，它把 ReAct 的‘规划’和‘执行’模块解耦，有不同的大模型各自负责，先把任务拆解成可以逐步执行的 TODOList，然后逐个执行，最后再统一汇总。他的优势是能解决复杂任务，而且相对于 ReAct 能降低 Token 消耗，可以使用强 LLM 做规划，用弱 LLM 来执行。但它也有缺点，不如 ReAct 那么灵活，如果出现了意外情况，有可能会卡住，需要重新规划，进而造成额外的 Token 开销。（后面又增加了一个动态 Replan 来解决这个问题，它其实就是把每一步的结果，交给大模型，来判断是否需要调整计划。）

Reflection 是反思迭代范式，一般不会独立出现，主要是挂在 ReAct 或者 Plan-and-Execute 的后面，增加一个‘自我检查并修正’的环节。这样，就把原有的流程变为‘思考-行动-评估-改进’。它最主要的优势是作为最后一环，帮助 Agent 提高交付质量。缺点的话，也很明显，会增加 Token 和时间开销，并且有可能陷入‘为了更好而改动’的死循环。因此，一般用在需要保质量的场景，比如代码编辑、商业报告、质量检测等。(为了记录错误， Reflexion 会总结经验教训，持久化为长期记忆，避免以后出现类似的错误。)