第二章 推理、规划与提示词工程
智能体的核心能力不只有“会想”，还包括“会拆解、会行动、会复盘、会受约束”。本章围绕五个可组合的能力层展开：局部推理展开（CoT）、搜索与规划（ToT/GoT）、推理-行动闭环（ReAct）、反思修正（Reflexion）以及行为编排（Prompt Engineering）。它们不是严格的单线进阶关系，而是面向不同任务复杂度和系统约束的组合工具箱。
学习目标
完成本章后，你将能够：
区分 不同推理与规划技术各自解决的问题边界
组合 CoT、ToT/GoT、ReAct 与 Reflexion 构建任务闭环
编写 结构化的智能体提示词，明确角色、约束、工具与上下文
评估 不同能力层在准确性、可控性与成本上的取舍
章节地图
本章按照“推理展开 → 搜索规划 → 行动执行 → 反思修正 → 提示词编排”的结构展开，但这些内容更适合被理解为同一智能体栈中的并列能力层：
2.1 思维链与线性推理：解决单次回答中的步骤展开与局部推理问题
2.2 任务分解与规划算法：把复杂目标拆成可搜索、可排序、可并行的子问题
2.3 ReAct：推理与行动的统一：把推理与工具调用串成执行闭环
2.4 反思与自我修正：在失败、评估与反馈中积累可复用经验
2.5 智能体提示词工程：用角色、约束、工具、示例与缓存策略把前述能力组织起来
下一节: 2.1 思维链与线性推理
最后更新于