Паттерны AI-агентов: ReAct, Plan-Execute и Reflexion
Паттерн агента определяет не «умность» модели, а форму её работы. Один агент идёт шаг за шагом, другой сначала пишет план, третий пытается разобрать собственную ошибку. Выбор начинается с цены неверного действия и того, можно ли проверить промежуточный результат.
Коротко
ReAct подходит для короткого цикла, где следующий шаг зависит от ответа инструмента.
Plan-Execute удобен, когда задачу можно разложить и проверить по этапам.
Reflexion добавляйте после измерения базовой версии, иначе получите дорогой разговор с самим собой.
Как работает ReAct: мысль, действие, наблюдение?
В ReAct агент на каждом ходе получает наблюдение, выбирает следующее действие и смотрит на результат. Это естественный паттерн для поиска записи, запроса справки, проверки статуса или последовательности коротких инструментов. Он хорошо переносит неполные данные: новый факт меняет следующий шаг.
Слабое место ReAct, циклы. Агент может снова вызвать тот же инструмент, потому что неправильно истолковал пустой ответ. Поэтому у цикла есть явные ограничения: список разрешённых инструментов, максимум шагов, дедлайн, лимит одинаковых вызовов и правило остановки. Если данных недостаточно, агент спрашивает человека, а не перебирает варианты до исчерпания бюджета.
Когда нужен Plan-Execute: сначала маршрут, затем работа?
Plan-Execute разделяет планировщика и исполнителя. Первый формирует короткую последовательность подзадач, второй проходит их по очереди и возвращает наблюдения. После важного шага план можно пересмотреть. Такой паттерн полезен, когда работа затрагивает несколько систем, но каждая подзадача проверяется отдельно.
Например, задача «подготовить релиз» раскладывается на сбор состояния, запуск адресных проверок, проверку миграций и подготовку отчёта. Нельзя позволять планировщику сразу запускать необратимые действия. Исполнитель работает с ограниченным набором команд, а переход к следующему этапу требует явного результата предыдущего.
План не должен быть длинной лекцией. Чем больше абстрактных шагов, тем труднее понять, выполнен ли хотя бы один. Хороший план содержит наблюдаемые результаты: файл существует, тест прошёл, поле появилось, человек подтвердил действие.
Зачем Reflexion разбирает неудачу перед повтором?
Reflexion добавляет фазу, в которой агент сравнивает результат с критерием и формулирует, что изменить в следующей попытке. Паттерн полезен в задачах с обратной связью: тест упал, валидатор вернул конкретную ошибку, судья отклонил ответ по рубрике.
Не путайте рефлексию с повторением. Если агент не получил новых данных, второй такой же запуск редко исправит ошибку. Нужен новый сигнал: лог, контрпример, уточнение условия или результат независимой проверки. После ограниченного числа попыток агент должен остановиться и сохранить материал для человека.
Сравнение паттернов
| Паттерн | Когда выбирать | Главный риск | Предохранитель |
|---|---|---|---|
| ReAct | Короткий путь с ответами инструментов | Зацикливание на одном действии | Лимит шагов и повторов |
| Plan-Execute | Работа делится на проверяемые этапы | План уходит от фактического состояния | Проверка после каждого этапа |
| Reflexion | Есть конкретный сигнал ошибки | Повтор без новой информации | Контрпример и ограничение попыток |
Цена паттерна складывается из вызовов модели, размера контекста и количества ходов. Фактический расход считайте как C = Σ c_i, где c_i это списание каждого вызова из журнала. Для планирования используйте C = N × c_avg, где N это число вызовов в задаче, а c_avg средняя стоимость сопоставимых прошлых вызовов. Это оценка: контекст, ответ, кэш и модель меняют цену отдельных вызовов. Каталог показывает доступные варианты, а расход после запуска отражает журнал запросов.
Как выбрать модель внутри цикла
Не обязательно поручать все этапы одному классу модели. Планировщику может требоваться больше рассуждения, а исполнитель обрабатывает короткие проверяемые действия. Но такое разделение оправдано только после замера качества на собственном наборе. Начните с одной модели из каталога, соберите ошибки и лишь затем проверяйте разделение ролей.
Идентификаторы моделей не закрепляйте в тексте паттерна. Каталог меняется, а цены должны жить в карточках моделей. В коде конфигурацию держите отдельно от системной инструкции, чтобы обновление модели не переписывало цель агента.
Для каждого хода сохраняйте цель, доступные инструменты, действие и результат. При сбое пригодится идентификатор запроса, а не полный ключ. Раздел наблюдаемости и журнал запросов помогают связать запуск с его метаданными и расходом.
Общие правила безопасности
Паттерн не отменяет ограничений. Инструменты дают агенту ровно те полномочия, которые нужны на текущем этапе. Деструктивные действия требуют отдельного подтверждения. Внешние данные проходят проверку до попадания в инструкцию. Доступ к ключу ограничивается средой запуска, сроком и лимитами.
Если агент работает через API в CI, для него нужен самостоятельный ключ. Ограничения ключа, его срок и список моделей настраиваются в кабинете. При временной ошибке не запускайте новый цикл вслепую: сначала проверьте x-should-retry и Retry-After по правилам повторов. Когда нужен отдельный контур качества, начните с eval-ов для AI-агентов, а не с лишнего повтора того же шага.
Удачный паттерн выглядит скучно. Он делает ровно одну понятную работу, оставляет следы и останавливается до того, как маленькая ошибка превратится в длинную цепочку действий.
Три коротких примера выбора
Пользователь просит найти состояние одной заявки и объяснить следующий шаг. Здесь уместен ReAct: агент ищет запись, получает ответ и либо сообщает статус, либо просит уточнить идентификатор. Полный план лишь добавит лишний ход.
Нужно подготовить изменение в нескольких модулях: обновить контракт, написать тест и составить список миграций. Здесь удобнее Plan-Execute. Планировщик фиксирует этапы, а исполнитель после каждого возвращает факт. Если контракт оказался шире ожиданий, работа останавливается до следующего этапа.
Тест агента не проходит рубрику, потому что он выбрал недопустимый инструмент. Здесь Reflexion полезен, если ему передают точный контрпример: инструмент запрещён для этой роли. Агент меняет план один раз, а не пытается объяснить прежнее действие другими словами.
Во всех трёх случаях ценнее явная остановка, чем максимальное число автономных шагов. Паттерн подбирают под возможность проверки, а не под эффектное название.
Что хранить в трассе
Сохраняйте версию инструкции, список доступных инструментов, входную задачу в разрешённом виде, действие, ответ инструмента и причину остановки. Этого достаточно, чтобы повторить спорный ход. Не пишите в трассу секреты и лишние данные пользователя.
Трасса помогает и с расходом. Если цикл внезапно стал длиннее, видно, на каком этапе прибавились ходы: планирование, повторы инструмента или самооценка. После этого можно исправить конкретное правило, а не менять модель наугад.
Простой выбор перед запуском
Есть свежий ответ инструмента, от которого зависит следующий ход, берите ReAct. Можно заранее назвать проверяемые этапы, начните с Plan-Execute. Есть точный результат проверки, который объясняет прошлую ошибку, добавьте один шаг Reflexion. Во всех остальных случаях начните с обычного запроса без агента.
Последний пункт важен. Агентный цикл добавляет состояние, трассу, права и расходы. Если задачу решает один запрос или детерминированная команда, дополнительная автономность не даёт выигрыша.
Можно ли смешивать паттерны в одном агенте?
Да, если переход между ними виден в коде и есть отдельные ограничения. Например, планировщик строит этапы, а внутри одного этапа исполнитель работает по ReAct. Не добавляйте Reflexion, пока базовый цикл не измерен. Иначе новый контур затруднит поиск причины лишних действий и расходов.
Что важнее: выбрать паттерн или модель?
Сначала ограничьте задачу и паттерн. Сильная модель не исправит агент, которому разрешено бесконечно повторять опасное действие. После этого сравнивайте модели на своей выборке и по фактическому расходу. Хороший выбор видно в трассе: можно объяснить, почему был вызван инструмент и что остановило цикл.
Когда Reflexion приносит больше вреда, чем пользы?
Когда агент повторяет один и тот же опасный шаг без новой информации или запускает проверку после каждого мелкого действия. Дайте циклу ограничение попыток, условие остановки и отдельную запись причины. Если ошибка связана с правами или внешним состоянием, управление передают человеку.