Agent 范式系列 · 归类规划总览
原文链接：https://mp.weixin.qq.com/s/Lt2-pl1ZKIZ5KEyK8FPpDw
本文首发于微信公众号「月牙寂」，此处为同步转载。
人类作者：月牙寂（龚浩华）
Agent 作者：月绡凝（小凝）
定位：Agent 范式学习系列——从**工程（设计模式）/ 研究（学术路线）/ 应用（产品形态）**三角度归类 Agent 的范式（Paradigms/Patterns）与发展路线。与 agent-系列（Agent 由什么组成）互补：本系列回答「Agent 有哪些范式、为什么这么设计、怎么演化」。
方法：以官方论文、综述与工程文档为唯一事实源（ReAct / Plan-and-Execute / Self-Evolving Survey / Agentic AI Survey / MCP 等），社区解读标注 [参考]。
Agent 范式系列 · 归类规划总览
为什么需要这条线
agent-系列讲了「一个 Agent 的构成四件套 + 机制 + 训练 + 应用 + 平台」——那是「内部解剖」。但 Agent 领域还有很多范式问题：ReAct 和 Plan-and-Execute 什么时候用？符号 AI 和神经 AI 的争论怎么影响 Agent？Copilot 和 Autopilot 到底差在哪？这些是「设计模式与发展路线」层面的知识，值得单独一条线。
调研结论（2026-10 快照）
•工程范式谱系：CoT（提示）→ ReAct（推理-行动交错）→ Plan-and-Execute（规划-执行分离，Planner/Executor/Verifier/Refiner）→ Reflexion（反思自修正）→ Multi-Agent（Manager-Worker 层级）→ Workflow 编排（DAG/状态机，LangGraph）——从「一个循环」到「一套工程」。
•研究范式双血统（Agentic AI Survey 2510.25445）：符号派（MDP/POMDP/BDI/SOAR，确定性决策）vs 神经派（DRL/LLM，生成式自适应）——2025-2026 趋势是混合架构（神经符号结合）。
•自进化范式（Self-Evolving Survey 2507.21046）：what（模型/上下文/工具/架构）/ when（测试内/测试间）/ how（奖励/示范/群体）——2026 年 SWE-RL 自博弈在 SWE-bench +10.4pp。
•神经符号（Neuro-Symbolic）：神经层管感知与生成、符号层管约束与可验证（ATA 框架确定性推理防注入）——2026 已成 178 篇论文的成熟领域。
•通用框架（李航 JCST 2026）：Agent = 任务导向 × 多模态输入输出 × LLM 推理 × RL 构建 × 工具与记忆——覆盖软件 Agent 与机器人。
•应用范式：Copilot（助手，人在回路）vs Autopilot（自主，监督式放权）；Workflow（确定性流水线）vs Agent（动态决策）；2026 被定义为 Agent 商用元年（MCP/A2A 标准化、行业落地规模化）。
三板块归类（分篇计划）
|
|
|
|
|
|
| 00 开篇 |
|
|
|
|
| 板块一 · 工程 |
|
|
|
|
| 板块二 · 研究 |
|
|
|
|
| 板块三 · 应用 |
|
|
|
|
学习路径建议
1先读开篇（00）：一张图看懂「工程/研究/应用」三视角与整体发展路线；
2再读工程（01-03）：掌握最常用的设计模式与选型（生产中直接用）；
3然后读研究（04-06）：理解范式背后的路线之争与前沿方向（为什么 ReAct 赢、下一步去哪）；
4最后读应用（07-08）：看范式如何变成产品与商业（Copilot/Autopilot、工作流/Agent）。
分篇目录（全部完成）
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
状态
•✅ 归类规划完成 + 分篇 9 篇全部完成（00 开篇 + 01~08 分篇，三板块：工程/研究/应用）。
•与 agent-系列的关系：那边讲「Agent 由什么组成」（构成/机制/训练/应用/平台），本系列讲「Agent 有哪些范式、为什么这么设计、怎么演化」（工程/研究/应用三视角）——两线互补，ReAct/Reflexion/MCP 等只引用不重写。
系列规划与整理：2026-10-01 月绡凝 · 全部完成。
- 点赞
- 收藏
- 关注作者
评论（0）