一、四种策略对比总览
策略 | 核心思想 | 优点 | 缺点 | 适用场景 |
|---|
ReAct | 思考-行动-观察循环交替，边行动边推理，动态调整策略。 | 灵活性强，能实时响应环境变化； 实现简洁，单个模型完成所有操作； 适合短任务和小模型调度。 | 1、推理方差大，结果不稳定； 2、思维链自然语言不易调试和复现； 3、不擅长复杂任务 | 动态网页交互、探索性任务、单轮复杂工具调用、需要实时调整的短链任务。 |
Plan and Execute | 先规划后执行：将任务显式分解为"导演（先制定计划）"和"演员（后按步执行）"两个阶段。 | 推理稳定可控，计划可重放和复盘； 规划与执行模块可独立优化； 支持并行执行，吞吐量高。 | 1、耗时长 2、成本高 | 长链任务、多源信息检索、研究型Agent、需要全局视野的复杂项目。 |
DeepSearch | 搜索-阅读-推理循环：通过多轮"查资料→读内容→思考产生新问题"逐步逼近最优答案。 | 信息获取动态实时； 通过多轮迭代克服单次检索不全面的问题； 具备自我修正和方向调整能力。 | 1、循环次数多，耗时较长； 2、依赖搜索工具质量和模型推理能力； 3、可能陷入局部最优搜索路径。 | 复杂问题深度问答、事实核查、需要多源信息交叉验证的探索性任务。 |
DeepResearch | 结构化研究框架：先规划报告大纲，再对每个章节应用DeepSearch循环进行迭代研究，最后整合生成完整报告。 | 输出结构化、高质量的长篇报告； 研究过程系统化，覆盖全面； 报告带有引用来源，可追溯。 | 1、流程更长，计算资源消耗大； 2、需要多模块（规划、搜索、总结、整合）协同； 3、对上下文管理和状态传递要求高。 | 行业研究报告生成、学术文献综述、竞品分析、需要生成结构化长文的研究任务。 |
二、执行原理流程图
1. ReAct 策略流程图
说明：ReAct将推理和行动交织在同一个循环中，每一步都先"思考"再"行动"，然后"观察"结果，据此调整下一步思考，直到任务完成
2. Plan and Execute 策略流程图
说明：先由Planner模块将复杂任务拆解为有序的子任务列表，Executor按计划逐步执行。执行过程中可根据情况触发重新规划，但核心是"先想清楚再动手"。
3. DeepSearch 策略流程图
说明：DeepSearch是一个专注于"找答案"的循环引擎，通过搜索→阅读→推理的不断迭代，逐步缩小知识空白，直到收集到足够信息回答问题
4. DeepResearch 策略流程图
说明：DeepResearch = 结构化框架 + DeepSearch引擎。先生成报告大纲，然后对每个章节独立应用DeepSearch循环进行深度研究，最后将所有章节整合成一篇连贯的长报告。实际实现中可能包含更多节点，如协调者、计划节点、并行研究组、反思节点等
三、策略关系总结
ReAct 是基础范式，提供了"思考-行动-观察"的底层交互模式。
Plan and Execute 是对ReAct在宏观层面的结构化扩展，强调"先规划后执行"的全局视野。
DeepSearch 是ReAct范式在信息检索领域的具象化应用，循环核心是"搜索-阅读-推理"。
DeepResearch 是DeepSearch的高阶应用，用结构化框架组织多个DeepSearch循环来生成完整研究报告。
