1、区别的理解例子预订一次从北京到上海的商务旅行包括机票、酒店、租车它们之间存在依赖航班到达机场 ↓ 影响酒店位置 ↓ 影响是否需要租车 ↓ 影响取车地点和时间还要同时考虑出发和返程时间会议时间总预算酒店与会议地点距离机场和酒店交通租车营业时间航班延误风险退改政策。如果纯粹使用 ReAct智能体可能一开始就找到一个航班并预订然后才发现到达机场离会议地点很远到达时间太晚附近酒店价格很高租车门店已经关门。这属于局部决策正确但全局组合不好。这个时候应该使用 Plan and Solve理解ReAct 有点类似深度优先遍历类型优先先把一系的事做到底不考虑与其他事情之间的联系而 Plan and Solve 类似宽度优先遍历横向对比。真实预订环境会不断变化航班价格实时变化座位突然售罄酒店房型不可用租车车型变化支付失败预订接口返回新限制。这部分更适合 ReAct查询航班 → 观察实时结果 → 调整筛选条件 → 选择候选航班 → 查询酒店 → 观察房态 → 修改方案整个系统最好采用Plan-and-Solve 负责全局编排ReAct 负责每个步骤的动态执行。Plan-and-Solve 生成完整旅行规划 ↓ ReAct 执行航班查询 ↓ ReAct 执行酒店查询 ↓ ReAct 执行租车查询 ↓ 全局检查 ↓ 必要时重新规划
1、区别的理解例子预订一次从北京到上海的商务旅行包括机票、酒店、租车它们之间存在依赖航班到达机场 ↓ 影响酒店位置 ↓ 影响是否需要租车 ↓ 影响取车地点和时间还要同时考虑出发和返程时间会议时间总预算酒店与会议地点距离机场和酒店交通租车营业时间航班延误风险退改政策。如果纯粹使用 ReAct智能体可能一开始就找到一个航班并预订然后才发现到达机场离会议地点很远到达时间太晚附近酒店价格很高租车门店已经关门。这属于局部决策正确但全局组合不好。这个时候应该使用 Plan and Solve理解ReAct 有点类似深度优先遍历类型优先先把一系的事做到底不考虑与其他事情之间的联系而 Plan and Solve 类似宽度优先遍历横向对比。真实预订环境会不断变化航班价格实时变化座位突然售罄酒店房型不可用租车车型变化支付失败预订接口返回新限制。这部分更适合 ReAct查询航班 → 观察实时结果 → 调整筛选条件 → 选择候选航班 → 查询酒店 → 观察房态 → 修改方案整个系统最好采用Plan-and-Solve 负责全局编排ReAct 负责每个步骤的动态执行。Plan-and-Solve 生成完整旅行规划 ↓ ReAct 执行航班查询 ↓ ReAct 执行酒店查询 ↓ ReAct 执行租车查询 ↓ 全局检查 ↓ 必要时重新规划
