> ## Documentation Index
> Fetch the complete documentation index at: https://labs.prompthon.io/llms.txt
> Use this file to discover all available pages before exploring further.

# 推理与控制模式

<div className="not-prose my-4 rounded-md border border-gray-200 bg-gray-50 p-2 text-sm dark:border-gray-800 dark:bg-gray-900/40">
  <div className="mb-2 px-1 text-xs font-semibold uppercase tracking-wide text-gray-500 dark:text-gray-400">需要帮助？</div>

  <div className="flex flex-wrap gap-2">
    <a className="inline-flex items-center gap-2 rounded-md border border-gray-200 bg-white px-3 py-1.5 font-medium text-gray-700 no-underline shadow-sm hover:border-gray-300 hover:bg-gray-50 dark:border-gray-800 dark:bg-gray-950/60 dark:text-gray-200 dark:hover:bg-gray-900" href="https://discord.gg/sDE2HhGTg4" target="_blank" rel="noreferrer">
      <Icon icon="discord" iconType="brands" size={14} />

      <span>在 Discord 提问</span>
    </a>

    <a className="inline-flex items-center gap-2 rounded-md border border-gray-200 bg-white px-3 py-1.5 font-medium text-gray-700 no-underline shadow-sm hover:border-gray-300 hover:bg-gray-50 dark:border-gray-800 dark:bg-gray-950/60 dark:text-gray-200 dark:hover:bg-gray-900" href="https://github.com/Prompthon-IO/agent-systems-handbook/issues/new/choose" target="_blank" rel="noreferrer">
      <Icon icon="github" iconType="brands" size={14} />

      <span>提交 GitHub Issue</span>
    </a>

    <a className="inline-flex items-center gap-2 rounded-md border border-gray-200 bg-white px-3 py-1.5 font-medium text-gray-700 no-underline shadow-sm hover:border-gray-300 hover:bg-gray-50 dark:border-gray-800 dark:bg-gray-950/60 dark:text-gray-200 dark:hover:bg-gray-900" href="https://github.com/Prompthon-IO/agent-systems-handbook/blob/main/zh-Hans/SUPPORT.md" target="_blank" rel="noreferrer">
      <Icon icon="life-ring" size={14} />

      <span>支持指南</span>
    </a>
  </div>
</div>

## 概要

推理与控制模式定义了一个智能体如何在思考、行动和停止之间切换。它们更关注系统如何随时间组织决策，而不是模型本身有多智能。

## 为什么这很重要

两个接入同一模型和工具的智能体，可能会因为控制模式不同而表现得非常不一样。一个可能高效搜索，另一个则可能循环、产生幻觉，或者在错误的时间调用错误的工具。

因此，模式选择会影响：

* 行动质量
* 可解释性
* 成本和延迟
* 恢复行为

## 心智模型

导入的参考材料使用 ReAct 作为最清晰的基线。它的核心思想很简单：

* 思考当前状态
* 执行一个动作
* 观察结果
* 重复

这种设计之所以强大，是因为推理和行动会彼此纠正。它在系统需要外部信息或工具执行才能继续时尤其有用。

更广泛的结论是，控制模式定义了推理发生在什么位置：

* 在行动之前
* 在行动之间
* 在失败之后
* 或在明确的停止点

## 架构图

```mermaid theme={null}
flowchart LR
  Task["任务"] --> Thought["思考"]
  Thought --> Action["行动"]
  Action --> Observation["观察"]
  Observation --> Thought
  Thought --> Final["最终答案或停止"]
```

## 工具格局

常见的推理与控制模式包括：

* 逐步思考-行动-观察循环，适用于开放式工具使用
* 带保护的工具选择，其中动作受到狭窄接口的约束
* 明确的停止或交接规则，防止无限循环
* 可追踪的推理表面，暴露足够的中间状态以调试决策，而不必把每个 token 都强制纳入最终答案

关键的设计选择不是要不要展示 chain-of-thought，而是系统是否拥有足够的内部控制结构，能够让行动保持目的性，并在证据变化时恢复。

## 权衡

* 逐步循环具有适应性，但比直接执行更慢，而且如果没有强有力的停止条件，可能会偏离。
* 高可解释性的控制表面更易于调试，但也可能显得冗长且成本更高。
* 窄工具表面可以减少错误，但也可能限制灵活性。
* 丰富的中间推理可以改善决策，但前提是系统能够让这些推理与实际任务保持一致。

有用的默认策略：

* 当工具反馈会改变下一个最佳动作时，优先使用逐步控制
* 在增加更多工具广度之前，先添加明确的停止条件
* 保持控制循环足够可检查，以便调试，即使最终产品会隐藏其中大部分内部机制

## 延伸阅读

* [Planning And Reflection](/zh-Hans/patterns/planning-and-reflection)
* [Protocols And Interoperability](/zh-Hans/systems/protocols-and-interoperability)
* [Patterns Overview](/zh-Hans/patterns)

## 更新日志

* 2026-04-21：基于导入的参考材料和实验室重写规则的首次仓库原生草稿。