本文用通俗易懂的方式解释了大模型无法直接使用工具的原因并介绍了三种经典的智能体Agent做事方法ReAct边想边做、Plan-and-Solve先画蓝图再施工和Reflection做完再复盘。文章指出智能体是大模型与执行工具的程序结合体这三种范式分别适用于不同场景帮助读者理解智能体背后的工作原理为学习大模型打下基础。你有没有遇到过这种情况你问 AI 一个问题它想了半天回你一句“我没办法查到实时信息”。同一时间你又看到另一些 AI 助手能自己上网搜、自己写代码、甚至自己检查答案对不对。差别在哪里后者多了一层东西叫“智能体”Agent。这篇文章用大白话讲清楚智能体背后三种最经典的“做事方法”不需要你会写代码也能看懂。01大模型自己没法用工具很多人以为AI 助手能上网查资料、能算数是因为模型长了“手脚”。其实不是。大语言模型只会做一件事读进去一段文字吐出来一段文字。它没有手脚打不开浏览器、按不了计算器、调用不了任何接口。它能输出的只有文字。那“能查资料、能用工具”的感觉从哪来来自它外面的一层程序。这层程序框架或者你自己写的一段代码替模型干了几件杂活把“你有哪些工具”写进提示词告诉模型。模型按约定格式吐出一行文字比如Action: Search[苹果最新手机]。这只是一行字模型并没有真的去搜。程序把这行字抠出来一般用正则认出“它想用搜索”真的去调用搜索工具拿到结果再把结果当文字喂回给模型。模型负责“想”输出文字程序负责“做”真的执行。所谓智能体就是“大模型 一层会执行工具的程序”。搞清这一点后面三种范式就好理解了。它们讲的其实是“这层程序怎么编排这个循环”每轮让模型输出什么、程序怎么接、什么时候停下来。02范式一ReAct边想边做走一步看一步ReAct 这个词拆开是 Reason推理和 Act行动。它的思路很像侦探破案看到一条线索观察推理下一步思考再去行动行动带来新线索再推理再行动一直循环直到破案。它把每一步固定成三个动作并规定模型按固定格式输出思考Thought模型分析现在的情况输出下一步打算做什么。行动Action模型输出一行要调用的工具比如Action: Search[苹果最新手机]。观察Observation程序真的执行工具后把结果拼回来作为下一轮的输入。举个例子。你问“苹果最新的手机是什么有什么卖点”。模型先输出一段“思考”我的知识可能过期了得搜一下。接着输出一行Action: Search[苹果最新手机]。程序读到这行文字真的去搜索把结果贴回来。模型看到结果再输出总结最后给出答案。整个过程你能在它的“思考”里看到它为什么这么决策。ReAct 适合这些场景需要查实时信息天气、股价、新闻、需要精确计算、需要调用某个系统的接口。它也有短板。每一步都要调一次模型任务一长时间和费用就上去了如果模型本身能力不够可能写出不符合格式的指令整个流程卡住还有可能原地打转一直搜同一个东西。03范式二Plan-and-Solve先画蓝图再施工如果说 ReAct 是走一步看一步的侦探Plan-and-Solve 更像建筑师动工之前先把完整方案画出来再严格按图施工。它把过程拆成两个阶段。两个阶段都还是模型输出文字区别只在程序怎么编排先是规划。程序先让模型把问题拆成一串清晰的步骤输出一份步骤清单。再是执行。程序拿着这份清单一步步让模型解决每一步每一步的结果会传给下一步当输入直到全部做完。书里用一道数学题演示水果店周一卖 15 个苹果周二卖的是周一的两倍周三比周二少 5 个三天一共卖了多少模型先列出四步计划算周二、算周三、算总和再一步步算最后得出 70。每一步都用上一步的结果逻辑很干净。这种方式适合步骤清楚、能提前拆分的任务比如写一份综合多来源的报告、生成一段代码、做多步推理。它的弱点是灵活性低。计划一旦定下来中途不太容易大改而且计划质量直接决定结果好坏计划列歪了后面再努力也救不回来。04范式三Reflection做完再复盘改到满意前两种范式模型交出答案就算结束。Reflection 多了一步让模型当自己的编辑做完再挑毛病、改一版循环几轮。它的循环是三步。说到底就是程序让模型换三种提示词分别扮演三个角色执行Execute模型先做一版“初稿”。反思Reflect换成“评审”的提示词模型检查这版哪里有事实错误、逻辑漏洞、效率低、漏了什么给出具体反馈。优化Refine拿着初稿和反馈模型改出一版更好的“二稿”。书里的例子是让模型写一个“找出 1 到 n 之间所有质数”的函数。初稿往往是个笨办法反思环节指出它算法太慢优化环节就把它改成更高效的筛法。再反思一轮发现已经够好了就停手。Reflection 的价值在于把“能用”的答案迭代成“好用”的答案。它适合对质量要求高、又不急着要结果的场景比如关键业务代码、技术报告、复杂推理。代价也很直接每多一轮就得多调好几次模型又慢又贵。所以追求快、追求便宜的任务用前两种更划算。05三种范式怎么选一张表看明白范式核心循环适合不适合ReAct思考 → 行动 → 观察要查外部信息、用工具追求快、便宜Plan-and-Solve规划 → 执行逻辑清楚、能拆分的任务步骤没法提前定Reflection执行 → 反思 → 优化质量要求高、不着急要快、要便宜现实里很多产品不是只用一种。比如先让 Plan-and-Solve 列计划再用 ReAct 逐步调用工具执行最后用 Reflection 把结果改得更靠谱。06写在最后范式说白了就是“套路”。智能体领域新名词很多但大多数产品的底层跑的无非是这三种循环里的某一种或者它们的组合。它们都建立在同一个前提上模型只会输出文字真正执行的是外面那层程序。看懂这一层你再看到一个新的 AI 助手就能大概判断它背后是怎么干活的挑工具、提需求也更有底气。把这些范式组合起来再让不同职责的智能体分工协作就走到了“多智能体系统”。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取