Agent 范式
校招考察频度：★ 高频（重点常考·大厂分水岭） 复习主线：Agent 范式决定了智能体在面对复杂任务时“如何组织思考、何时承诺计划、如何与外部环境交互”。校招面试核心聚焦点：ReAct（Thought-Action-Observation 边想边做与单步反馈）、Plan-and-Execute（先拆解全局计划树再逐项执行并动态调优）、Reflection（输出自省评估与重试迭代）、Tree of Thoughts（多分支探索与剪枝回溯）、Agentic Workflow（确定性代码编排 vs 动态 Agent 的平衡艺术）。
Agent 范式是单 Agent 内部推理与行动的组织方式，也是多 Agent 的编排方式。理解范式的关键是看其在执行前承诺多少计划、控制权在代码还是模型。
分类考频地图
| 专题 | 核心页面 | 校招考频星级 | 重点考查要点 |
|---|---|---|---|
| 经典基石范式 | ReAct 范式核心 | ★ 高频（生死线） | Thought-Action-Observation 标准循环、解决纯 CoT 无法行动与纯 Act 盲目试错问题、工具结果反馈再思考 |
| 计划型范式 | Plan-and-Execute 范式 | ★ 高频 | 规划器（Planner）生成任务列表、执行器（Executor）运行工具、动态重规划（Replanner）处理意外分支 |
| 工作流与工程化 | Agentic Workflow 深度剖析 | ★ 高频 | 为什么无约束自由 Agent 难以上线生产、代码确定性骨架 + 节点动态 Agent 混合架构、状态与路由控制 |
| 反思与自愈 | Reflection 反思机制 | ★ 高频 | Self-Reflect 架构、两阶段评估器（Actor-Critic）、历史错误总结沉淀为记忆、代码生成与自我修正 |
| 多智能体协同 | Multi-Agent 架构 | ★ 高频 | 解决单上下文超载与角色冲突、分层层级（Hierarchical Supervisor）vs 网状对等协作、消息广播与协议规范 |
| 树搜索高级推理 | Tree of Thoughts 思维树 | ☆ 中频 | BFS / DFS 多路径探索、评估每个中间思维节点质量、回溯剪枝解决复杂数学与算法难题 |
两个分类维度
执行轴：承诺多少。 模型在行动之前承诺多少计划？ReAct 每步重新决策，承诺为零；Plan-and-Execute 开局承诺全局计划。这两个范式是同一个刻度盘的两端，刻度是”在执行前承诺多少”。
增强层：跨尝试学习。 Reflection 不替代任何执行范式，它包在基础循环外面，负责”做完了对不对”。它管的是跨尝试的经验积累，和执行轴正交。
架构层：谁来协作。 Multi-Agent 是多个独立 Agent 的协作拓扑，Agent 内部照样跑 ReAct。它和单 Agent 内部范式是不同层次。
自治度谱系
Anthropic 的分类给出了从可控到自主的连续谱：
自治度谱系
- Workflow：LLM 和工具沿预定义代码路径编排，控制权在开发者手里。可预测、便宜、好调试
- Agentic Workflow：生产主流。Workflow 固定主流程骨架，在需要灵活判断的节点嵌入 Agent。骨架保证可控，节点提供灵活
- Agent：LLM 动态指挥自己的流程和工具使用。适合无法预先写死步骤的任务
- Multi-Agent：多个自主参与者通过消息协作，解决上下文隔离、并行探索和专业化分工
判断标准始终是那一条：控制权在谁手里。代码写死下一步去哪就是 Workflow，模型运行时决定才是 Agent。
本篇目录
- ReAct：边想边做，最经典的 Agent 内核
- Plan-and-Execute：先规划后执行，承诺刻度盘的另一端
- Reflection：跨尝试的反思学习层
- Tree of Thoughts：多分支推理与回溯的增强范式
- Multi-Agent：多个 Agent 的协作拓扑
- Agentic Workflow：Workflow 与 Agent 的边界与混合形态