第六章：规划（Planning）

智能行为通常不只是对即时输入的反应。它需要预见性，将复杂的任务分解成更小、更易管理的步骤，并制定策略来实现期望的结果。这就是“规划”（Planning）模式发挥作用的地方。规划模式的核心在于，它是一个代理（agent）或一个代理系统，能够制定一系列动作，将系统从初始状态推向目标状态。

规划模式概述

在人工智能的语境下，将规划代理视为一个专门处理复杂目标的专家会很有帮助。当你要求它“组织一次团队外勤活动”时，你定义了**“什么”（目标和约束），但没有定义“如何”（方法）**。该代理的核心任务是自主地规划一条通向该目标的路径。它必须首先理解初始状态（例如：预算、参与人数、期望日期）和目标状态（成功预订的外勤活动），然后发现连接它们的最优动作序列。计划不是预先知道的，它是根据请求创建的。

这一过程的一个标志是适应性。一个初始计划仅仅是一个起点，而非僵硬的脚本。代理的真正力量在于它能够纳入新信息并绕过障碍来驾驭项目。例如，如果首选场地不可用，或选定的餐饮服务商已被订满，一个有能力的代理不会简单地失败。它会适应。它会登记新的约束条件，重新评估其选项，并制定新的计划，例如建议替代场地或日期。

然而，至关重要的是要认识到灵活性与可预测性之间的权衡。动态规划是一种特定的工具，并非万能的解决方案。当一个问题的解决方案已经被充分理解和可重复时，将代理限制在一个预先确定的、固定的工作流程中会更有效。这种方法限制了代理的自主性，以减少不确定性和不可预测行为的风险，从而保证可靠且一致的结果。因此，决定使用规划代理还是一个简单的任务执行代理，取决于一个核心问题：“如何做”是需要被发现的，还是已经已知的？

实际应用与用例

规划模式是自主系统中的核心计算过程，它使代理能够合成一系列动作来实现指定的、特别是在动态或复杂环境中的目标。这一过程将一个高层目标转化为一个由离散的、可执行的步骤构成的结构化计划。

在流程任务自动化等领域，规划被用于编排复杂的工作流程。例如，像新员工入职这样的业务流程可以被分解为一系列有方向的子任务，例如创建系统账户、分配培训模块以及与不同部门协调。代理生成一个计划，以逻辑顺序执行这些步骤，调用必要的工具或与各种系统交互来管理依赖关系。

在机器人技术和自主导航中，规划是状态空间遍历的基础。一个系统，无论是实体机器人还是虚拟实体，都必须生成一条路径或动作序列，以从初始状态过渡到目标状态。这涉及到在遵守环境约束（如避开障碍物或遵守交通规则）的同时，优化如时间或能耗等指标。

此模式对于结构化信息合成也至关重要。当任务是生成一份复杂输出（如研究报告）时，代理可以制定一个计划，其中包括信息收集、数据总结、内容构建和迭代优化等不同阶段。同样，在涉及多步骤问题解决的客户支持场景中，代理可以创建并遵循一个系统的计划来进行诊断、解决方案实施和升级。

本质上，规划模式允许代理超越简单、反应性的动作，转向目标导向的行为。它提供了解决需要连贯的、相互依赖的操作序列的问题所需的逻辑框架。

实践代码 (Crew AI)

以下部分将演示使用 Crew AI 框架实现规划器模式。此模式涉及一个代理，它首先制定一个多步骤计划来解决一个复杂的查询，然后按顺序执行该计划。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
import os
from dotenv import load_dotenv
from crewai import Agent, Task, Crew, Process
from langchain_openai import ChatOpenAI

# Load environment variables from .env file for security
load_dotenv()

# 1. Explicitly define the language model for clarity
llm = ChatOpenAI(model="gpt-4-turbo")

# 2. Define a clear and focused agent
planner_writer_agent = Agent(
   role='Article Planner and Writer',
   goal='Plan and then write a concise, engaging summary on a specified topic.',
   backstory=(
       'You are an expert technical writer and content strategist. '
       'Your strength lies in creating a clear, actionable plan before writing, '
       'ensuring the final summary is both informative and easy to digest.'
   ),
   verbose=True,
   allow_delegation=False,
   llm=llm # Assign the specific LLM to the agent
)

# 3. Define a task with a more structured and specific expected output
topic = "The importance of Reinforcement Learning in AI"
high_level_task = Task(
   description=(
       f"1. Create a bullet-point plan for a summary on the topic: '{topic}'.\n"
       f"2. Write the summary based on your plan, keeping it around 200 words."
   ),
   expected_output=(
       "A final report containing two distinct sections:\n\n"
       "### Plan\n"
       "- A bulleted list outlining the main points of the summary.\n\n"
       "### Summary\n"
       "- A concise and well-structured summary of the topic."
   ),
   agent=planner_writer_agent,
)

# Create the crew with a clear process
crew = Crew(
   agents=[planner_writer_agent],
   tasks=[high_level_task],
   process=Process.sequential,
)

# Execute the task
print("## Running the planning and writing task ##")
result = crew.kickoff()

print("\n\n---\n## Task Result ##\n---")
print(result)

这段代码利用 CrewAI 库创建了一个 AI 代理，用于规划并撰写关于给定主题的摘要。它首先导入了必要的库，包括 Crew.ai 和 langchain_openai，并从 .env 文件加载环境变量。代码显式定义了一个 ChatOpenAI 语言模型供代理使用。然后，创建了一个名为 planner_writer_agent 的代理，赋予了它一个特定的角色和目标：先规划后撰写一份简洁、引人入胜的摘要。代理的背景故事强调了其在规划和技术写作方面的专长。定义了一个 Task，其描述清晰，要求首先创建一个计划，然后根据主题“人工智能中强化学习的重要性”撰写摘要，并指定了期望输出的格式。最后，组装了一个 Crew，包含该代理和任务，并设置为顺序处理。调用 crew.kickoff() 方法执行定义的任务，并打印结果。

Google DeepResearch

Google Gemini DeepResearch（参见图 1）是一个基于代理的系统，专为自主信息检索和合成而设计。它通过一个多步骤的代理流程工作，该流程动态且迭代地查询 Google 搜索，系统地探索复杂主题。该系统旨在处理大量基于网络的来源，评估收集到的数据的相关性和知识缺口，并执行后续搜索来解决这些缺口。最终输出将经过验证的信息整合为一份结构化的多页摘要，并附带原始来源的引用。

更进一步来说，该系统的运作不是一次简单的查询-响应事件，而是一个受管理的、长时间运行的过程。它首先将用户的提示分解成一个多点研究计划（参见图 1），然后将该计划呈现给用户进行审查和修改。这允许在执行前协作性地确定研究方向。一旦计划被批准，代理流程就开始其迭代的搜索和分析循环。这不仅仅是执行一系列预定义的搜索；代理会根据其收集到的信息动态地制定和完善查询，主动识别知识缺口、佐证数据点并解决矛盾。

图 1：Google Deep Research 代理正在生成使用 Google Search 作为工具的执行计划。

一个关键的架构组成部分是系统管理此过程的异步能力。这种设计确保了调查（可能涉及分析数百个来源）对单点故障具有弹性，并允许用户脱离并在完成时收到通知。该系统还可以集成用户提供的文档，将来自私人来源的信息与其基于网络的研究所结合。最终输出不仅仅是发现结果的串联列表，而是一份结构化的多页报告。在合成阶段，模型对收集到的信息进行批判性评估，识别主要主题，并以连贯的叙事和逻辑部分组织内容。该报告被设计成交互式的，通常包含音频概述、图表以及链接到原始引用来源等功能，使用户能够进行验证和进一步探索。除了合成的结果之外，模型还明确返回它搜索和咨询过的完整来源列表（参见图 2）。这些以引用的形式呈现，提供完整的透明度和对原始信息的直接访问。整个过程将一个简单的查询转化为一个全面的、合成的知识体系。

图 2：Deep Research 计划执行的一个例子，结果是 Google Search 被用作搜索各种网络来源的工具。

通过减轻手动数据获取和合成所需的大量时间和资源投入，Gemini DeepResearch 提供了一种更结构化和详尽的信息发现方法。该系统的价值在跨各种领域的复杂、多方面的研究任务中尤为明显。

例如，在竞争分析中，可以指导代理系统地收集和整理市场趋势、竞争对手的产品规格、来自不同在线来源的公众情绪以及营销策略的数据。这种自动化流程取代了手动跟踪多个竞争对手的繁琐任务，使分析师能够专注于更高阶的战略解释，而不是数据收集（参见图 3）。

图 3：Google Deep Research 代理生成的最终输出，替我们分析了使用 Google Search 作为工具获取的来源。

同样，在学术探索中，该系统可作为进行广泛文献回顾的有力工具。它可以识别和总结基础性论文，追踪概念在大量出版物中的发展，并绘制出特定领域内新兴的研究前沿，从而加速学术探究中最耗时的初始阶段。

这种方法效率的提高源于迭代搜索和过滤循环的自动化，这是手动研究中的核心瓶颈。系统能够处理比人类研究人员在相同时限内通常可行的更大容量和更多种类的信息来源，从而实现全面性。这种更广泛的分析范围有助于减少潜在的选择偏差，并增加了发现不那么明显但可能至关重要的信息的可能性，从而形成对主题更稳健和有依据的理解。

OpenAI Deep Research API

OpenAI Deep Research API 是一个专门的工具，旨在自动化复杂的研究任务。它利用一个高级的、代理式的模型，该模型可以独立地推理、规划，并从真实世界的来源合成信息。与简单的问答模型不同，它接受一个高层查询，并自主地将其分解为子问题，使用其内置工具执行网络搜索，并交付一个结构化的、富含引用的最终报告。该 API 提供了对整个过程的直接编程访问，在撰写本文时使用了像 o3-deep-research-2025-06-26 这样的模型进行高质量的合成，以及更快的 o4-mini-deep-research-2025-06-26 用于对延迟敏感的应用。

Deep Research API 非常有用，因为它将原本需要数小时手动研究的工作自动化，交付专业级、数据驱动的报告，适用于为商业战略、投资决策或政策建议提供信息。其主要优点包括：

结构化、带引用的输出： 它生成组织良好、带有链接到源元数据的内联引用的报告，确保主张可验证且有数据支持。
透明度： 与 ChatGPT 中抽象的过程不同，该 API 暴露了所有中间步骤，包括代理的推理、它执行的特定网络搜索查询，以及它运行的任何代码。这允许进行详细的调试、分析，并更深入地理解最终答案是如何构建的。
可扩展性： 它支持模型上下文协议（MCP），使开发人员能够将代理连接到私有知识库和内部数据源，将公共网络研究与专有信息相结合。

要使用该 API，您需要向 client.responses.create 端点发送请求，指定一个模型、一个输入提示，以及代理可以使用的工具。输入通常包括一个定义代理角色和期望输出格式的 system_message，以及 user_query。您还必须包含 web_search_preview 工具，并且可以选择添加其他工具，如 code_interpreter 或自定义 MCP 工具（参见第 10 章）用于内部数据。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
from openai import OpenAI

# Initialize the client with your API key
client = OpenAI(api_key="YOUR_OPENAI_API_KEY")

# Define the agent's role and the user's research question
system_message = """You are a professional researcher preparing a structured, data-driven report.
Focus on data-rich insights, use reliable sources, and include inline citations."""
user_query = "Research the economic impact of semaglutide on global healthcare systems."

# Create the Deep Research API call
response = client.responses.create(
 model="o3-deep-research-2025-06-26",
 input=[
   {
     "role": "developer",
     "content": [{"type": "input_text", "text": system_message}]
   },
   {
     "role": "user",
     "content": [{"type": "input_text", "text": user_query}]
   }
 ],
 reasoning={"summary": "auto"},
 tools=[{"type": "web_search_preview"}]
)

# Access and print the final report from the response
final_report = response.output[-1].content[0].text
print(final_report)

# --- ACCESS INLINE CITATIONS AND METADATA ---
print("--- CITATIONS ---")
annotations = response.output[-1].content[0].annotations

if not annotations:
   print("No annotations found in the report.")
else:
   for i, citation in enumerate(annotations):
       # The text span the citation refers to
       cited_text = final_report[citation.start_index:citation.end_index]

       print(f"Citation {i+1}:")
       print(f"  Cited Text: {cited_text}")
       print(f"  Title: {citation.title}")
       print(f"  URL: {citation.url}")
       print(f"  Location: chars {citation.start_index}–{citation.end_index}")
print("\n" + "="*50 + "\n")

# --- INSPECT INTERMEDIATE STEPS ---
print("--- INTERMEDIATE STEPS ---")

# 1. Reasoning Steps: Internal plans and summaries generated by the model.
try:
   reasoning_step = next(item for item in response.output if item.type == "reasoning")
   print("\n[Found a Reasoning Step]")
   for summary_part in reasoning_step.summary:
       print(f"  - {summary_part.text}")
except StopIteration:
   print("\nNo reasoning steps found.")

# 2. Web Search Calls: The exact search queries the agent executed.
try:
   search_step = next(item for item in response.output if item.type == "web_search_call")
   print("\n[Found a Web Search Call]")
   print(f"  Query Executed: '{search_step.action['query']}'")
   print(f"  Status: {search_step.status}")
except StopIteration:
   print("\nNo web search steps found.")

# 3. Code Execution: Any code run by the agent using the code interpreter.
try:
   code_step = next(item for item in response.output if item.type == "code_interpreter_call")
   print("\n[Found a Code Execution Step]")
   print("  Code Input:")
   print(f"  ```python\n{code_step.input}\n  ```")
   print("  Code Output:")
   print(f"  {code_step.output}")
except StopIteration:
   print("\nNo code execution steps found.")

这段代码片段利用 OpenAI API 执行一个“深度研究”任务。它首先使用您的 API 密钥初始化 OpenAI 客户端，这对于身份验证至关重要。然后，它定义了 AI 代理的角色为专业研究员，并设定了用户关于司美格鲁肽对全球医疗系统经济影响的研究问题。代码构建了一个对 o3-deep-research-2025-06-26 模型的 API 调用，将定义的系统消息和用户查询作为输入提供。它还请求自动总结推理过程并启用网络搜索功能。发出 API 调用后，它提取并打印最终生成的报告。

随后，它尝试访问和显示报告注解中的内联引用和元数据，包括被引用的文本、标题、URL 和在报告中的位置。最后，它检查并打印模型采取的中间步骤的详细信息，例如推理步骤、网络搜索调用（包括执行的查询），以及如果使用了代码解释器，则打印任何代码执行步骤。

概要速览（At a Glance）

是什么 (What)

复杂问题通常无法通过一个单一动作解决，需要预见性才能实现期望的结果。如果没有结构化的方法，代理系统难以处理涉及多个步骤和依赖关系的多方面请求。这使得将高层目标分解成一系列可管理、可执行的小任务变得困难。因此，当面对复杂的任务时，系统无法有效地制定策略，导致结果不完整或不正确。

为什么 (Why)

规划模式提供了一个标准化解决方案，即让代理系统首先创建一个连贯的计划来解决目标。它涉及将一个高层目标分解为一系列更小、可操作的步骤或子目标。这使得系统能够管理复杂的工作流程，编排各种工具，并以逻辑顺序处理依赖关系。大型语言模型（LLMs）特别适合此任务，因为它们可以根据其庞大的训练数据生成合理且有效的计划。这种结构化方法将一个简单的反应型代理转变为一个战略执行者，可以主动地朝着复杂目标努力，甚至在必要时调整其计划。

经验法则 (Rule of thumb)

当用户的请求过于复杂，无法通过单一动作或工具处理时，请使用此模式。它非常适合自动化多步流程，例如生成详细研究报告、新员工入职，或执行竞争分析。只要任务需要一系列相互依赖的操作才能达到最终的合成结果，就应应用规划模式。

可视化总结

图 4：规划设计模式

关键要点

规划使代理能够将复杂目标分解为可操作的、按顺序的步骤。
它对于处理多步骤任务、工作流自动化和导航复杂环境至关重要。
LLMs 可以通过基于任务描述生成分步方法来执行规划。
显式提示或设计任务以要求规划步骤，能鼓励代理框架中的这种行为。
Google Deep Research 是一个代理，代表我们分析使用 Google Search 作为工具获取的来源。它进行反思、规划和执行。

结论

总而言之，规划模式是一个基础性组件，它将代理系统从简单的反应式响应者提升为战略性的、目标导向的执行者。现代大型语言模型为这一核心能力提供了支持，能够自主地将高层目标分解成连贯的、可执行的步骤。这种模式可从简单的、顺序性的任务执行（如 CrewAI 代理创建和遵循写作计划的示例），扩展到更复杂和动态的系统。Google DeepResearch 代理便是这种高级应用的典范，它创建迭代的研究计划，并根据持续的信息收集进行调整和演变。最终，规划为复杂问题提供了连接人类意图与自动化执行的必要桥梁。通过结构化问题解决方法，这种模式使代理能够管理复杂的工作流程并交付全面、合成的结果。

参考文献

Google DeepResearch (Gemini Feature): gemini.google.com
OpenAI ,Introducing deep research https://openai.com/index/introducing-deep-research/
Perplexity, Introducing Perplexity Deep Research, https://www.perplexity.ai/hub/blog/introducing-perplexity-deep-research