主流 AI Agent 架构解析：同一个大脑，五种干活的姿势
最近被问得最多的一个问题是：“我想做个 Agent，用什么架构？”
问的人背景各异：有想给学生做 AI 助手的，有想给公司客服接大脑的，还有看了几篇论文来问 LangGraph、AutoGen、Manus 到底啥区别的。大家共同的困惑是——框架和名词太多，架构图一张比一张花，看完更不知道该选哪个了。
今天这篇，就把主流 Agent 架构拆个干净。先剧透结论：不管名字多花哨，拆开看就五种姿势。 看懂这五种，市面上 90% 的 Agent 框架你都能一眼认祖归宗。
万变不离其宗：先认识那个循环
所有 Agent 的祖宗，都是同一个循环：感知 → 思考 → 行动 → 观察 → 再思考……
用户丢进来一个任务目标，大脑（LLM）看一眼当前的状况，想一步，动手干一步（调工具、查数据、发消息），把结果再吃回上下文，然后接着想下一步。直到任务完成，交差。
就这么个循环。所谓”架构”的差异，全在四个问题上的取舍：
- 谁想？ 一个大脑包办，还是规划和执行分开？
- 谁干？ 单兵作战，还是拉一支小队？
- 想几轮？ 走一步看一步，还是先画好整张路线图？
- 谁把关？ 干完就交差，还是有人批改打回？
后面五种架构，就是这四道题的五个典型答案。
姿势一：ReAct —— 边想边做
ReAct（Reasoning + Acting）是最早、也最经典的姿势，2022 年的论文提出，到今天仍是大量 Agent 的默认骨架。
它的哲学是走一步，看一步：想下一步干什么 → 干 → 看结果 → 再想下一步。没有总规划，每一步都根据最新的现场反馈临时决定。
像什么？像一个老练的探案警察：没有剧本，每条线索出现，现场决定下一步查哪里。
- 优势：灵活、应变强，面对开放、未知、需要探索的任务表现好。
- 代价：每一步都要把全部历史塞进上下文让模型重新决策，任务一长，token 哗哗地烧，还容易”想偏了越走越远”。
适合：搜索、问答、闲聊、探索类任务——目标模糊，路径靠现场摸。
姿势二：计划-执行 —— 先谋后动
和 ReAct 相反，这个姿势要求先把整张路线图画出来，再照着走：规划者（Planner）把大任务拆成一份步骤清单，执行者（Executor）逐项打钩。
像什么？像一个项目经理：先写项目计划，再派活、盯进度、逐项验收。
- 优势：步骤明确、全局在握，长任务不容易跑偏；规划和执行分开，各自还能换不同的模型（规划用强模型，执行用便宜模型）。
- 代价：计划赶不上变化。中途环境变了，死板地照原计划走会翻车——所以实践中往往加一步”执行中发现问题，回炉重规划”。
适合：流程已知的长任务——写一份调研报告、完成一次数据分析、跑一条固定的业务流水线。
姿势三：反思 —— 自己批改自己
前两种姿势都默认”干完就交差”，反思（Reflection）加了一道工序：干完先别交，自己批一遍，不合格打回重写。
实现上有两种玩法：让同一个模型扮演两个角色（干活的我 + 批改的我），或者干脆上两个模型互相挑刺。代表工作是 Reflexion、Self-Refine 这一路。
像什么？像学生写完作文，先自己通读一遍，改掉病句再交给老师。
- 优势：输出质量肉眼可见地提升，尤其是有明确评价标准的任务。
- 代价：轮次翻倍，时间和 token 都翻倍。
适合：写代码、写文案、出方案——一切”第一遍必然粗糙、值得打磨”的创作型任务。
姿势四：编排-执行 —— 一个项目经理带几个外包
到这里，Agent 从单兵变成小队。编排-执行（Orchestrator-Workers）的结构是：一个编排者（Orchestrator）拿到任务后，现场判断该拆成哪几个子任务，分派给若干个工人（Worker）并行去干，干完收拢结果、汇总交付。
注意它和”计划-执行”的区别：计划-执行的清单是事先写死的，编排-执行的分工是看了任务现场动态决定的——更像项目经理看到需求后临时外包，而不是照一份旧甘特图施工。
Anthropic 在《Building Effective Agents》里把它归为最实用的工作流模式之一，多模态处理（同时看文档、图片、表格）尤其受益。
- 优势：子任务并行，快；每个工人有独立上下文，一个跑偏污染不到别人。
- 代价：token 消耗是单 Agent 的好几倍，慢、贵、难调试。
适合：能动态拆分的中型任务——改多个文件的代码、同时处理多种格式的资料。
姿势五：多智能体 —— 真正的团队
最后是排面最大的：多个有独立角色、独立记忆、独立工具的智能体组成团队，有分工、有通信、有协商。AutoGen、MetaGPT、CrewAI、LangGraph 的多智能体图，都属于这一路。
和姿势四的区别在于”自主程度”：编排-执行里工人是听指挥的外包，多智能体里的成员是能自己决定怎么干、甚至互相讨论反驳的”同事”——比如调研、写作、审稿三个角色组成编辑部，审稿的可以把写作的稿子打回去吵一架。
- 优势：上限高，复杂任务能拆出专业分工，还能用角色扮演互相纠错。
- 代价：工程复杂度和 token 成本都是最高的，而且”多个模型互相说话”极难调试——出了问题，五个嫌疑人，个个看起来都有理。
适合：可拆分、可并行、有清晰角色分工的大型任务。小任务硬上多智能体，纯属给自己找不痛快。
怎么选：一张决策树
五种姿势摆完，给一张实操的选型路线：
- 任务能一句话说清、一步干完？ 那根本别用 Agent，一次普通的 LLM 调用就够了。这是最多人犯的错——给一个翻译需求套上多智能体。
- 任务是开放探索的？ ReAct。
- 质量优先、输出需要打磨？ ReAct 或计划-执行，加上反思。
- 步骤明确、流程已知？ 计划-执行（＋反思，质量加强版）。
- 任务大、可拆、可并行？ 编排-执行，或者更进一步上多智能体。
还有一条贯穿始终的原则：能用简单架构解决的，绝不用复杂的。 业界的经验数据很一致——多智能体的 token 消耗是单 Agent 的好几倍，效果却不一定更好。很多团队的落地复盘都是同一个故事：最初上了花哨的多智能体，最后收敛回”单 Agent + 好工具 + 反思”。
架构是为任务服务的，不是为简历服务的。
写在最后
回头看这五种姿势：ReAct 是直觉型选手，计划-执行是流程型选手，反思是完美主义者，编排-执行是小包工头，多智能体是开公司。同一个大脑，不同的组织方式，就长出完全不同的能力形状。
选型其实没那么玄：先看任务长什么样，再决定给它配一副什么骨架。
顺带一提：这套东西我搬进了大模型课上，让学生拿五种架构分别实现同一个任务，对比效果和成本——踩一遍”杀鸡用牛刀”的坑，比听十节课都管用。如果你的学校或企业也想落地一个 Agent 应用，又怕架构选错、成本失控，欢迎找我聊——从单 Agent 到多智能体这一路的坑，我踩得比这篇文章长。