Agent 工作流

单轮「问 → 答」不够完成 调研、对比、写 draft、跑测试 等多步任务。Agent 工作流把 规划（Plan）、执行（Act）、反思（Reflect） 编排成可控状态机——仍须 Human-in-the-loop 与上限保护。

学习目标

• 理解 Plan-Execute、ReAct、Reflection 三类模式
• 会为多步任务设 步数上限、预算、检查点
• 衔接 ai-coding-essentials 的分支 + 审查纪律

规划 → 执行 → 反思

Plan：拆子目标（JSON steps）
  ↓
Act：逐步调 tools / RAG / 写文件
  ↓
Observe：每步结果进上下文
  ↓
Reflect：是否完成？质量够吗？要改 plan 吗？
  ↓
Deliver 或 Escalate 人工

模式	特点	风险
Plan-Execute	先全 plan 再跑	plan 过时、环境变
ReAct	交错推理与行动	步数爆炸
Reflection	成稿后自检一轮	延迟增加

生产常用 混合：粗 plan + 每步 ReAct + 关键节点 reflect。

多步任务示例

「为 ai-agents-essentials 补 agt-practice 检索清单」：

1. search_docs 查 RAG 最佳实践片段
2. get_outline 读 practice 课 summary
3. 生成 draft 段落（structured citations）
4. reflect：链接是否真实、是否含 draft 泄露策略
5. 输出 PR 描述模板，人 commit

与 ai-workflow 相同：Agent 可起草，merge 责任在人。

控制旋钮

• max_steps / max_tool_calls：防无限 loop
• timeout 与 token 预算：防账单失控
• checkpoint：长任务持久化 plan 状态，支持 resume
• 并行：只读检索可并行；写操作串行 + 锁

Orchestrator 可用简单代码状态机，不必一上来 LangGraph；关键是 可观测（每步 log step_type、tool、latency）。

与 Skills、MCP

• 工作流定义 顺序；skill 提供 每步标准；MCP 提供 原子能力
• 例：content-author.skill + search_docs tool + reflect checklist

练习

• 为一个 5 步 Agent 任务写 plan JSON（含每步 success 条件）
• 设 max_tool_calls=10 时，哪类任务应拆成两次会话