以下是主流AI Agent认知框架的详细说明、对比及表格总结：
1. 各认知框架详解
(1) ReAct (Reasoning + Action)
- 定义：结合推理（Reasoning）和行动（Action）的循环过程。
- 核心机制：
- 模型先推理（Reason）生成可能的解决方案或步骤。
- 执行（Act）具体操作（如查询工具、调用API）。
- 根据反馈结果迭代优化。
- 适用场景：需要逐步解决问题的复杂任务（如多步骤推理、工具调用）。
- 示例：用户问“纽约到巴黎的航班价格”，模型先推理需要查询航班数据，再调用API获取实时价格。
(2) 函数调用（Function Calling）
- 定义：模型通过预定义的函数接口直接调用外部工具或API。
- 核心机制：
- 模型生成符合函数参数的自然语言指令。
- 系统解析指令并调用对应函数执行。
- 适用场景：需要调用结构化工具（如数据库查询、API接口）的任务。
- 示例：调用天气API获取实时天气数据。
(3) 计划与执行（Plan-And-Execute）
- 定义：分阶段处理任务，先制定计划再执行。
- 核心机制：
- 计划阶段：模型生成详细步骤或子任务。
- 执行阶段：逐步完成每个子任务并整合结果。
- 适用场景：复杂多步骤任务（如编写代码、解决问题）。
- 示例：解决数学题时先规划解题步骤，再逐步计算。
(4) 自问自答（Self-Ask）
- 定义：模型通过生成问题并自行回答来逐步推导答案。
- 核心机制：
- 模型生成中间问题，模拟人类的思考过程。
- 逐步回答问题，最终整合答案。
- 适用场景：需要分步推理或知识补全的任务（如阅读理解、逻辑推理）。
- 示例：阅读一段文字后，自问关键细节并回答以提炼答案。
(5) 批判修正（Critique & Revise / Self-Reflection）
- 定义：模型自我检查输出并迭代优化。
- 核心机制：
- 生成初步答案：模型输出初始结果。
- 批判阶段：模型评估答案的合理性。
- 修正阶段：根据批判结果调整并重新生成。
- 适用场景：需要高准确性的任务（如写作、代码调试）。
- 示例：模型生成代码后，自我检查语法错误并修正。
(6) 思维链（Chain-of-Thought, COT）
- 定义：通过逐步展开中间推理步骤生成最终答案。
- 核心机制：
- 模型以自然语言详细描述推理过程。
- 分步骤推导，最终整合为答案。
- 适用场景：需要展示思考过程的任务（如数学题、逻辑推理）。
- 示例：解决数学题时分步写出计算过程。
(7) 思维树（Tree-of-Thought, TOT）
- 定义：通过分支探索多种可能的推理路径。
- 核心机制：
- 模型生成多个可能的中间思路（分支）。
- 评估并选择最优路径继续推理。
- 适用场景：需要探索多种可能性的任务（如创意生成、策略规划）。
- 示例：设计解决方案时生成多个分支思路并筛选最佳方案。
2. 核心差异对比
关键维度对比
| 框架 | 核心机制 | 是否依赖外部工具 | 是否分阶段 | 是否自我修正 | 典型输出形式 |
|---|
| ReAct | 推理+行动循环 | 是 | 是 | 部分（迭代） | 动态步骤结果 |
| 函数调用 | 直接调用函数 | 是 | 否 | 否 | 工具返回的数据 |
| 计划与执行 | 分阶段计划+执行 | 可选 | 是 | 否 | 结构化步骤输出 |
| 自问自答 | 生成问题并回答 | 否 | 是 | 否 | 分步推理过程 |
| 批判修正 | 自我检查+迭代优化 | 否 | 是 | 是 | 修正后的最终答案 |
| 思维链（COT） | 逐步展开推理过程 | 否 | 是 | 否 | 详细推理步骤 |
| 思维树（TOT） | 分支探索多种路径 | 否 | 是 | 否 | 多分支结果+最优选择 |
技术特点差异
- 是否需要外部工具：
- ReAct、函数调用依赖外部工具，其他框架主要依赖模型自身推理。
- 推理路径：
- 迭代能力：
- 批判修正框架具备自我迭代能力，其他框架多为单次推理。
3. 选择建议
| 需求场景 | 推荐框架 | 理由 |
|---|
| 需要逐步推理并调用工具 | ReAct | 动态推理与行动结合 |
| 直接调用外部API或函数 | 函数调用 | 简洁高效，适合结构化任务 |
| 复杂多步骤任务规划 | 计划与执行 | 明确分阶段处理 |
| 需要展示中间思考过程 | 思维链（COT） | 详细推理过程透明 |
| 需要探索多种可能性 | 思维树（TOT） | 分支式探索最优解 |
| 需要高准确性输出 | 批判修正 | 自我检查与迭代优化 |
总结表格
| 框架名称 | 核心特点 | 适用场景 | 优缺点 |
|---|
| ReAct | 推理+行动循环 | 多步骤工具调用 | 灵活但需要工具支持；适合复杂任务 |
| 函数调用 | 直接调用函数 | 结构化API调用 | 简单高效；依赖工具接口 |
| 计划与执行 | 分阶段计划+执行 | 复杂任务规划 | 结构清晰；需明确步骤划分 |
| 自问自答 | 生成问题并回答 | 分步推理任务 | 思维过程透明；计算开销较大 |
| 批判修正 | 自我检查+迭代优化 | 高精度输出需求 | 输出质量高；需多次迭代 |
| 思维链（COT） | 逐步展开推理过程 | 需要展示推理过程 | 可解释性强；线性路径可能遗漏最优解 |
| 思维树（TOT） | 分支探索多种路径 | 需要探索多种可能性 | 创新性强；计算资源需求高 |
总结
- 工具依赖型：ReAct、函数调用 → 需结合外部工具。
- 推理过程透明：COT、Self-Ask → 适合需要解释的场景。
- 探索与优化：TOT、Critique & Revise → 多分支或高精度需求。
根据具体任务需求（如是否需要工具、推理路径、输出形式）选择合适的框架。
