内容摘要
Agent循环·ReActReflexionLATS三种怎么选 灏 灏天文库 · AI 与大模型 第 10 期 · 第二季连载 AI 与大模型 · 第 10 期 · 第二季第 2 期 Agent 循环， ReAct/Reflexion/LATS 怎么选 三种推理-行动循环的代价权衡 一句话结论： 简单任务用 ReAct，要纠错用 Reflexion，要最优解用 LATS 。代价递增：ReAct 是单条链（想一步做一步），Reflexion 加了反思回路（错了重来），LATS 是搜索树（多条路并行评估）。LATS 效果最好但 token 消耗是 ReAct 的 10 倍——别用大炮打蚊子。 ⏱ 约 10 分钟 🎯 想让 Agent 会"想一步做一步"的人 📦 源：ai-agent-book / hello-agents 01 反共识：不是越聪明越好 很多人一上来就用 LATS，觉得搜索树最强。但 LATS 每步要展开 N 个分支、评估、回溯，token 消耗是 ReAct 的 10 倍。 ReAct 的循环最朴素： 思考 → 行动 → 观察 → 再思考 。