Agent 执行策略五种模式对比：文本流动路径与成本分析

LLM 驱动的 Agent，本质上是文本生成—文本传递—文本调用的组合系统。

不同的 Agent 策略，差异并不在于是否使用工具，而在于：

• 文本链路是串行还是并行？
• 每轮传递了多少文本？
• 文本在链路中的保留策略是否高效？

如果设计不当，文本传递量会成为系统瓶颈，导致 token 消耗飞速增长。

---

一、五种 Agent 策略卡片对比

1. ReAct（思考-执行循环）

核心链路：

输入 → 思考 → 工具调用 → 结果 → [作为下一轮输入，循环多次]
````

**文本流动路径图：**

```text
[输入] → [思考 + 工具调用 + 结果] → [下一轮输入]
                 ↑↑↑（全部保留，文本传递量极大）

• 🔁 文本传递量：极大（每轮完整上下文传递）
• ✅ 优点：动态灵活，支持自我修正
• ❌ 缺点：上下文膨胀快，token 消耗极高
• 🔨 适用场景：自动调研、复杂推理、开放探索任务

---

2. Plan-and-Execute（计划-执行）

核心链路：

输入 → 全局计划 → 依次执行各步骤 → 执行结果补入上下文

文本流动路径图：

[输入] → [计划文本] → [步骤执行结果] → [下一步执行]
                 ↑（只保留执行结果，文本传递量适中）

• 📦 文本传递量：适中（只传递计划和执行结果）
• ✅ 优点：全局规划，链路短，token 可控
• ❌ 缺点：动态调整能力弱，首轮计划质量决定成败
• 🔨 适用场景：流程拆解、标准任务、分步写作

---

3. 静态 Workflow（人工编排流程）

核心链路：

输入 → 固定步骤 A → 固定步骤 B → 固定步骤 C → 输出

文本流动路径图：

[输入] → [单步调用] → [单步调用] → [单步调用]
                 ↑（每步输入只传递必要上下文，文本传递量极小）

• 🪶 文本传递量：极小（只传递当前步骤必要参数）
• ✅ 优点：简单高效，易控，适合批量任务
• ❌ 缺点：流程完全静态，无法动态适应输入变化
• 🔨 适用场景：表单处理、批量生成、标准客服

---

4. Workflow + 局部智能

核心链路：

输入 → 固定步骤 A → 动态 Agent 节点 → 固定步骤 B → 输出

文本流动路径图：

[输入] → [单步调用] → [动态节点（局部 ReAct 或 Plan-and-Execute）] → [单步调用]
                       ↑（局部文本传递量适中或较大）

• ⚖️ 文本传递量：局部增加（智能节点传递量高，其他步骤传递量低）
• ✅ 优点：流程稳定，关键节点灵活
• ❌ 缺点：系统复杂，局部 Agent 需要异常监控
• 🔨 适用场景：半自动化客服、复杂工具链流程

---

5. 多 Agent 分层协作

核心链路：

输入 → 总控 Agent → 子任务划分 → 多子 Agent 并行执行 → 汇总结果

文本流动路径图：

[输入] → [任务划分文本] → [子 Agent 并行处理] → [子结果汇总]
                 ↑（传递文本量依任务复杂度而定，通常为中到高）

• 🛠️ 文本传递量：中高（多子 Agent 之间传递子任务和结果）
• ✅ 优点：支持并行，多角色协作，适合复杂系统
• ❌ 缺点：开发难度高，子任务划分与同步难度大
• 🔨 适用场景：企业级平台、跨部门流程、复杂研发任务

---

二、总结对比表

模式	文本传递量	优点	缺点	适用场景
ReAct	极大	动态灵活，自我修正	token 消耗快，推理链慢	自动调研、复杂推理、开放任务
Plan-and-Execute	适中	全局规划，链路短，token 可控	动态调整弱，首轮规划影响大	流程拆解、分步写作、标准任务
静态 Workflow	极小	简单高效，易控，适合批量处理	无动态适应性，无法处理复杂异常	报表生成、表单处理、标准化客服
Workflow + 局部智能	局部增加	流程稳定，关键节点灵活	系统复杂，需监控局部 Agent	半自动客服、AI 辅助工具链
多 Agent 分层协作	中高	支持并行，多角色协作	架构复杂，任务划分与同步难度大	企业级协作、复杂跨部门流程

---

核心总结

• 🚀 云计算并行调用能提升外部信息获取速度，但主链推理仍然是文本串行传递，时间成本取决于链路深度。
• 🔍 文本传递量是衡量 Agent 性价比的重要指标，文本越多 → token 消耗越高 → 成本越高。
• 🎯 提高 Agent 性能的关键，不是无脑并发，而是合理设计文本链路，尽量缩短主线，提升每步决策质量。

如果未来设计 Agent 性能监控系统，可以重点关注：

• 文本传递量（token 累计消耗）
• 主链深度（串行步骤数量）
• 并行宽度（每步调用的并发度）

这样可以更科学地平衡智能程度 vs 性价比 vs 响应速度。

---

作者：罗植馨
GitHub: github.com/luoluoter