以下是主流AI Agent认知框架的详细说明、对比及表格总结：
1. 各认知框架详解 ReAct (Reasoning + Action) 定义 ：结合推理（Reasoning）和行动（Action）的循环过程。核心机制 ：
模型先推理（Reason）生成可能的解决方案或步骤。 执行（Act）具体操作（如查询工具、调用API）。 根据反馈结果迭代优化。 适用场景 ：需要逐步解决问题的复杂任务（如多步骤推理、工具调用）。示例 ：用户问“纽约到巴黎的航班价格”，模型先推理需要查询航班数据，再调用API获取实时价格。函数调用（Function Calling） 定义 ：模型通过预定义的函数接口直接调用外部工具或API。核心机制 ：
模型生成符合函数参数的自然语言指令。 系统解析指令并调用对应函数执行。 适用场景 ：需要调用结构化工具（如数据库查询、API接口）的任务。示例 ：调用天气API获取实时天气数据。计划与执行（Plan-And-Execute） 定义 ：分阶段处理任务，先制定计划再执行。核心机制 ：
计划阶段 ：模型生成详细步骤或子任务。执行阶段 ：逐步完成每个子任务并整合结果。适用场景 ：复杂多步骤任务（如编写代码、解决问题）。示例 ：解决数学题时先规划解题步骤，再逐步计算。自问自答（Self-Ask） 定义 ：模型通过生成问题并自行回答来逐步推导答案。核心机制 ：
模型生成中间问题，模拟人类的思考过程。 逐步回答问题，最终整合答案。 适用场景 ：需要分步推理或知识补全的任务（如阅读理解、逻辑推理）。示例 ：阅读一段文字后，自问关键细节并回答以提炼答案。批判修正（Critique & Revise / Self-Reflection） 定义 ：模型自我检查输出并迭代优化。核心机制 ：
生成初步答案 ：模型输出初始结果。批判阶段 ：模型评估答案的合理性。修正阶段 ：根据批判结果调整并重新生成。适用场景 ：需要高准确性的任务（如写作、代码调试）。示例 ：模型生成代码后，自我检查语法错误并修正。思维链（Chain-of-Thought, COT） 定义 ：通过逐步展开中间推理步骤生成最终答案。核心机制 ：
模型以自然语言详细描述推理过程。 分步骤推导，最终整合为答案。 适用场景 ：需要展示思考过程的任务（如数学题、逻辑推理）。示例 ：解决数学题时分步写出计算过程。思维树（Tree-of-Thought, TOT） 定义 ：通过分支探索多种可能的推理路径。核心机制 ：
模型生成多个可能的中间思路（分支）。 评估并选择最优路径继续推理。 适用场景 ：需要探索多种可能性的任务（如创意生成、策略规划）。示例 ：设计解决方案时生成多个分支思路并筛选最佳方案。2. 核心差异对比 关键维度对比 框架 核心机制 是否依赖外部工具 是否分阶段 是否自我修正 典型输出形式 ReAct 推理+行动循环 是 是 部分（迭代） 动态步骤结果 函数调用 直接调用函数 是 否 否 工具返回的数据 计划与执行 分阶段计划+执行 可选 是 否 结构化步骤输出 自问自答 生成问题并回答 否 是 否 分步推理过程 批判修正 自我检查+迭代优化 否 是 是 修正后的最终答案 思维链（COT） 逐步展开推理过程 否 是 否 详细推理步骤 思维树（TOT） 分支探索多种路径 否 是 否 多分支结果+最优选择
技术特点差异 是否需要外部工具 ：
ReAct、函数调用依赖外部工具，其他框架主要依赖模型自身推理。 推理路径 ：
迭代能力 ：
批判修正框架具备自我迭代能力，其他框架多为单次推理。 3. 选择建议 需求场景 推荐框架 理由 需要逐步推理并调用工具 ReAct 动态推理与行动结合 直接调用外部API或函数 函数调用 简洁高效，适合结构化任务 复杂多步骤任务规划 计划与执行 明确分阶段处理 需要展示中间思考过程 思维链（COT） 详细推理过程透明 需要探索多种可能性 思维树（TOT） 分支式探索最优解 需要高准确性输出 批判修正 自我检查与迭代优化
总结表格 框架名称 核心特点 适用场景 优缺点 ReAct 推理+行动循环 多步骤工具调用 灵活但需要工具支持；适合复杂任务 函数调用 直接调用函数 结构化API调用 简单高效；依赖工具接口 计划与执行 分阶段计划+执行 复杂任务规划 结构清晰；需明确步骤划分 自问自答 生成问题并回答 分步推理任务 思维过程透明；计算开销较大 批判修正 自我检查+迭代优化 高精度输出需求 输出质量高；需多次迭代 思维链（COT） 逐步展开推理过程 需要展示推理过程 可解释性强；线性路径可能遗漏最优解 思维树（TOT） 分支探索多种路径 需要探索多种可能性 创新性强；计算资源需求高
总结 工具依赖型 ：ReAct、函数调用 → 需结合外部工具。推理过程透明 ：COT、Self-Ask → 适合需要解释的场景。探索与优化 ：TOT、Critique & Revise → 多分支或高精度需求。
