【手搓 AI Agent 从 0 到 1】第八课：规划——让 Agent 先想后做

前置知识已完成第一课至第七课本课目标让 AI 在动手之前先生成执行计划把复杂任务拆解为有序步骤核心概念规划与执行分离 / 步骤排序 / 计划验证 / 计划即数据前言前七课Agent 可以做决策、调工具、循环执行、记住信息了。但有一个问题——# 第六课的 Agent Loopagent.run_loop(帮我写一个网页爬虫抓取新闻标题按日期分类存入数据库,max_steps5)Agent 会怎么做直接开始行动。它可能在步骤 1 说我要分析需求步骤 2 说我要研究爬虫技术步骤 3 说我要开始写代码……每一步都是当场想的没有提前规划。就像你让一个新人帮我策划一场发布会。理想情况下他应该先列个计划场地、嘉宾、流程、预算、时间线。但实际上他可能直接冲出去定酒店了——因为没想好整体方案。这就是第七课 Agent 的现状能干活但不会先想。本课要解决这个问题。给 Agent 加上规划能力——在动手之前先想好步骤然后按计划执行。一、规划 vs 执行两件完全不同的事1.1 什么是规划规划就是把目标拆成步骤。用户给一个目标“写一篇关于 AI Agent 的技术博客”。规划的结果就是一个步骤列表{steps:[研究 AI Agent 的最新进展和核心概念,确定文章结构和大纲,撰写初稿内容,审校修改并优化表达]}就这么简单。不需要甘特图不需要依赖图不需要关键路径算法。就是一个有序的步骤列表。1.2 为什么要分离规划和执行你可能会问第六课的 Agent Loop 不是已经在一步步做了吗为什么还要单独的规划阶段关键区别Agent Loop 的每一步是当场想的规划是提前想好的。第六课无规划 步骤1AI 现场决定做什么 → 执行 步骤2AI 现场决定做什么 → 执行 步骤3AI 现场决定做什么 → 执行 每步都是即兴发挥没有全局视角 第八课有规划 目标 → AI 生成完整计划4个步骤 ↓ 审查计划 → 确认可行 ↓ 按计划逐步执行 → 完成 每步都有明确方向知道自己在哪分离规划与执行有几个好处好处说明可审查执行前能看到 Agent 打算做什么不合理可以改可复用相似的目标可以复用同一个计划可调试规划出了问题可以只修规划不用重跑执行可优化可以先评估计划的质量再决定是否执行核心洞察规划不是思考。规划是数据生成。计划就是一个 JSON 数据结构。你可以打印它、检查它、修改它。它和 AI 的推理无关——就是第三课的结构化输出能力换个场景用而已。二、规划系统要解决什么一个规划系统最简版只需要回答三个问题2.1 怎么生成计划用 LLM。给它一个目标让它返回一个步骤列表。# 和第三课、第五课、第六课一样的思路promptf为以下目标制定一个步骤计划{goal}只返回 JSONresponsellm.generate(prompt)planextract_json_from_text(response)你发现了吗生成计划和生成工具调用、生成动作决策用的是同一套模式——LLM JSON extract_json_from_text()。这不是巧合。Agent 系统里很多能力底层都是同一件事让 LLM 生成结构化输出然后你的代码来处理。2.2 怎么验证计划LLM 可能返回各种奇怪的格式// 没有 steps 字段{plan:先研究再写最后修改}// steps 不是数组{steps:研究→写→修改}// 空计划{steps:[]}所以生成之后必须验证。检查三件事plan不为空包含steps字段steps是一个非空列表ifplanandstepsinplanandisinstance(plan[steps],list):returnplan# 验证通过加上重试 3 次——又是老规矩。2.3 怎么执行计划最简单的方式按顺序遍历步骤列表逐个执行。forstepinplan[steps]:# 执行这个步骤resultexecute_step(step)results.append(result)本课的执行逻辑是占位符——打印已执行返回结果。实际项目中你可以让每一步调用工具、生成内容、做任何你想做的事。但模式不变遍历列表逐步执行。三、代码实现3.1 规划器agent/planner.py打开agent/planner.py找到规划函数fromshared.utilsimportextract_json_from_textdefcreate_plan(llm,goal:str)-dict|None: 生成实现目标的步骤计划。 用于第八课 Args: llm: 语言模型实例 goal: 要实现的目标 Returns: 包含 steps 列表的字典失败则返回 None promptf为以下目标制定一个详细的执行计划。只返回有效的 JSON。 规则 1. 只返回有效的 JSON 2. 不要任何解释不要 Markdown 3. 直接以 {{ 开头以 }} 结尾 4. 步骤应该具体、可执行、有逻辑顺序 JSON 格式 {{steps: [步骤1的描述, 步骤2的描述, 步骤3的描述]}} 目标{goal}请返回 JSONforattemptinrange(3):responsellm.generate(prompt,temperature0.0)planextract_json_from_text(response)ifplanandstepsinplanandisinstance(plan[steps],list):returnplanreturnNone逐段拆解① Prompt 设计和前几课的风格一致——明确的 JSON 格式要求、extract_json_from_text()兼容、中文指令。加了一条新要求“步骤应该具体、可执行、有逻辑顺序”。这能引导 LLM 生成质量更高的计划而不是先想想、再研究研究这种模糊的步骤。② 验证逻辑ifplanandstepsinplanandisinstance(plan[steps],list):三重检查非空、有 steps 字段、steps 是列表。缺一不可。③ 老三样extract_json_from_text()—— 第三课以来的标准操作重试 3 次 —— 老规矩temperature0.0—— 规划需要确定性3.2 Agent 中的规划方法打开agent/agent.py找到新增的两个方法defcreate_plan(self,goal:str)-dict|None: 生成实现目标的计划第八课核心方法。 Args: goal: 要实现的目标 Returns: 包含步骤列表的计划字典失败则返回 None fromagent.plannerimportcreate_planasplan_fn planplan_fn(self.llm,goal)ifplan:self.state.current_planplanprint(f 计划生成完成共{len(plan[steps])}个步骤)returnplandefexecute_plan(self,plan:dict)-list[dict]: 逐步执行计划第八课核心方法。 Args: plan: 包含 steps 列表的计划字典 Returns: 每步的执行结果列表 ifnotplanorstepsnotinplan:print(❌ 无效的计划)return[]results[]totallen(plan[steps])print(f\n 开始执行计划共{total}个步骤\n)fori,stepinenumerate(plan[steps],1):print(f--- 步骤{i}/{total}---)print(f 内容{step})result{step_num:i,step:step,executed:True,status:completed}results.append(result)self.state.increment_step()print(f 状态✅ 已执行\n)returnresults注意几个设计细节①create_plan()委托给planner.pyfromagent.plannerimportcreate_planasplan_fn planplan_fn(self.llm,goal)规划逻辑放在独立的planner.py文件里不塞在agent.py中。职责分离——Agent 类负责调度Planner 模块负责规划。后面如果你想换更复杂的规划算法改planner.py就行不用动 Agent 类。② 计划存入状态ifplan:self.state.current_planplan生成的计划被保存到AgentState里方便后续查询和调试。③execute_plan()的占位执行本课的执行逻辑是标记已执行没有真正调用工具。这是故意的——本课的核心是规划与执行分离的模式不是执行的具体实现。第九课会让每一步变成真正的原子动作。④ 步骤编号fori,stepinenumerate(plan[steps],1):输出带编号的步骤1/4、2/4…方便追踪执行进度。四、运行示例4.1 基础场景规划并执行fromagent.agentimportAgent agentAgent(modelqwen2.5:7b)# 第一步生成计划planagent.create_plan(写一篇关于 AI Agent 的技术博客)# 第二步检查计划ifplan:print(\n 计划内容)fori,stepinenumerate(plan[steps],1):print(f{i}.{step})# 第三步执行计划resultsagent.execute_plan(plan)print(f\n 执行完成共{len(results)}个步骤)预期输出类似 计划生成完成共 4 个步骤 计划内容 1. 研究 AI Agent 的最新进展和核心技术概念 2. 确定文章大纲和目标读者 3. 撰写博客初稿 4. 审校修改并优化文章结构 开始执行计划共 4 个步骤 --- 步骤 1/4 --- 内容研究 AI Agent 的最新进展和核心技术概念 状态✅ 已执行 --- 步骤 2/4 --- 内容确定文章大纲和目标读者 状态✅ 已执行 ...略 执行完成共 4 个步骤4.2 规划但不执行分离的好处你可以生成计划、审查之后决定不执行。planagent.create_plan(策划一场技术分享会)ifplan:print(AI 提议的计划)fori,stepinenumerate(plan[steps],1):print(f{i}.{step})# 你觉得不合适不执行user_inputinput(\n执行这个计划吗(y/n): )ifuser_input.lower()y:agent.execute_plan(plan)else:print(已取消执行)这就是规划与执行分离的实战价值人可以介入审查在 AI 行动之前拦截不合理的计划。4.3 修改计划再执行planagent.create_plan(搭建一个个人网站)ifplan:# 手动添加一个步骤plan[steps].insert(0,调研主流建站方案并选型)# 删掉一个不想要的步骤iflen(plan[steps])5:plan[steps]plan[steps][:5]# 用修改后的计划执行agent.execute_plan(plan)计划就是数据。你可以增删改查就像操作一个普通列表一样。4.4 交互模式cdlesson08 python complete_example.py会进入交互模式你可以输入任意目标观察 Agent 如何生成计划并执行。五、与第七课的本质区别两课都和信息管理有关但方向完全不同第七课记忆——时间维度对话1 → 存入 用户喜欢 Python → 记忆系统 对话2 → 加载记忆 → 推荐 Python 相关内容 对话3 → 存入 用户在做 Web 项目 → 记忆系统信息在时间上持久化。解决跨对话记住信息。第八课规划——任务维度目标写一个爬虫 ↓ 规划[分析需求, 选技术栈, 写代码, 测试] ↓ 按计划逐步执行 → 完成信息在任务上结构化。解决多步骤任务如何拆解和执行。第七课记忆第八课规划解决什么问题“AI 忘记了之前的事”“AI 不会拆解复杂任务”数据结构扁平的字符串列表有序的步骤列表信息流向存 → 取双向生成 → 验证 → 执行单向时间维度跨会话单次任务内人能介入吗事后审查删除错误记忆事前审查修改计划再执行记忆让你记住用户是谁规划让 AI 知道该怎么做。六、关键洞察6.1 规划不是思考是数据生成这是本课最重要的洞察规划 结构化数据生成。不是推理不是规划算法不是搜索。AI 生成计划用的技术和第三课生成 JSON 一样——LLM prompt extract_json_from_text()。没有什么神秘的规划引擎。这意味着计划是透明的——你可以打印它、审查它、修改它。它不躲在 AI 的思维过程里它就是一个 Python 字典。6.2 规划与执行分离是关键如果规划和执行混在一起AI 一边想一边做你就失去了控制权。分离之后你可以在 AI 行动之前审查计划——不合理就不执行在不同目标之间复用计划——写博客的计划可以复用独立测试规划质量——不跑执行也能评估 AI 的规划能力让不同模型分工——用大模型做规划用小模型做执行这个模式在工程里无处不在编译器先编译再运行CI/CD 先构建再部署项目经理先排期再开工。6.3 计划的质量取决于 Prompt本课的规划器很简单但可以通过优化 Prompt 大幅提升计划质量。比如加一个要求“每个步骤应该可以在 30 分钟内完成”。加上这条生成的步骤会更具体、更可操作。再比如加示例好的计划示例 - 用 requests 库获取目标网页 HTML - 用 BeautifulSoup 解析标题和日期 不好的计划示例 - 研究一下 - 想想怎么写Few-shot 示例对小模型7B的效果提升非常明显。6.4 先跑起来再跑得更好本课的执行是占位符。规划器是单次生成没有自我修正。计划是纯文本步骤没有结构化的依赖关系。这些不够好的地方都是后面课程要解决的第九课原子动作——让每步变成有 schema 的结构化执行第十课思维链推理——让规划过程更严谨但本课的目标不是完美而是建立模式。先把规划→验证→执行这条链路跑通再逐步优化每个环节。七、常见问题Q生成的计划步骤太模糊怎么办A优化 Prompt。加具体约束比如每个步骤应该描述具体的动作而不是模糊的意向。加 few-shot 示例展示什么是好的步骤、什么是不好的步骤。对小模型7B示例比约束更有效。Q步骤的顺序不对怎么办A目前顺序由 LLM 决定。如果你发现顺序经常不对可以在 Prompt 里加要求“步骤应该按照执行依赖关系排序被依赖的步骤排在前面”。后续课程会加入显式的依赖处理。Q为什么执行只是占位符没有真正做事情A这是刻意的。本课的核心是规划与执行分离这个模式不是执行的具体实现。第九课会让每一步变成带验证 schema 的原子动作到那时执行才有真正的意义。把两个概念拆开讲比混在一起讲更清晰。Q可以让人修改计划再执行吗A当然可以——这正是规划与执行分离的最大好处。计划就是一个 Python 字典你可以用plan[steps].insert()、plan[steps].pop()任意修改修改后再调用execute_plan()。4.2 和 4.3 的示例展示了这个用法。Q规划可以多轮迭代吗A可以但本课没有实现。一个常见的模式是生成计划 → 审查 → 发现问题 → 让 LLM 修改计划 → 再审查 → 通过。这就是反思 修正的循环很多高级 Agent 框架都用这个模式。你可以基于本课的代码在create_plan()和execute_plan()之间加一个人工审查环节作为第一个版本的迭代。八、八课演进线把前八课放在一起看一条清晰的 Agent 构建路径第一课能对话了LLM Ollama 第二课有角色了 能多轮对话System Prompt History 第三课能输出 JSON 了结构化输出 验证 重试 第四课能做选择了意图理解 → 动作路由 第五课能调用工具了工具选择 参数提取 安全执行 第六课能循环了Agent Loop 状态追踪 终止条件 第七课能记住了跨对话记忆存储 检索 显式管理 第八课能规划了计划生成 → 验证 → 逐步执行从裸模型到有角色、有工具、有循环、有记忆、有规划的智能体。还差什么第九课原子动作——让每步执行更安全、更可控第十课思维链推理——让规划过程更严谨九、下期预告第九课原子动作——让每步执行都有保障本课的计划可以生成了但执行是占位符。AI 说研究 AI Agent 进展但你不知道具体要做什么、做到什么程度算完成、输出是什么格式。下一课我们给每一步加上动作 schema——定义输入、输出、验证规则。让 Agent 的每一步执行都是可验证、可追踪的原子动作。这是从AI 说做什么就做什么到AI 做的每一步都可检查的关键升级。敬请期待完整代码获取本课涉及的完整代码包括agent/planner.py——独立规划器模块计划生成 验证agent/agent.py——Agent 类新增create_plan()和execute_plan()complete_example.py——演示模式 交互模式代码获取请参考本系列第一篇文章标签#Python#AI Agent#LLM#任务规划#Ollama#Qwen#大模型#手搓Agent本文为《手搓 AI Agent 从 0 到 1》系列教程第 8 课