AI Agent将复杂任务分解为可执行步骤的核心推理能力
Agent Planning（Agent规划）是AI Agent将复杂任务分解为可执行子步骤，并按照逻辑顺序执行的能力。就像人类项目经理拆解任务一样，Agent需要先"想清楚怎么做"，再"一步步去做"。这是区分"简单聊天机器人"和"真正Agent"的关键能力。
当你给Agent一个复杂任务——比如"帮我分析竞品网站，生成报告，发到飞书群"——Agent不会一股脑地乱试。它会先规划：
这种将复杂目标分解为有序子任务的能力，就是Agent Planning。
| 策略 | 核心思想 | 优点 | 缺点 |
|---|---|---|---|
| ReAct | 推理-行动交替进行 | 灵活、可纠错 | 可能偏离目标 |
| Plan-and-Execute | 先规划完整计划，再逐步执行 | 全局最优、可控 | 计划可能过时 |
| Tree of Thoughts | 探索多条推理路径 | 复杂问题表现好 | 计算成本高 |
| Reflexion | 执行后反思改进 | 自我纠错能力强 | 需要多次迭代 |
| LATS | 蒙特卡洛树搜索+LLM | 搜索空间大 | 延迟高、成本高 |
OpenClaw通过SOUL.md和SKILL.md为Agent提供规划指导。Agent在接收任务时，会参考这些指导文件来制定执行计划。SOUL.md定义了Agent的行为模式和决策规则，SKILL.md提供了具体技能的执行流程。
OpenClaw内置了update_plan工具，让Agent可以显式地管理复杂任务的执行计划：
{
"explanation": "开始执行竞品分析任务",
"plan": [
{"step": "搜索竞品网站最新动态", "status": "completed"},
{"step": "抓取并分析关键页面", "status": "in_progress"},
{"step": "生成对比报告", "status": "pending"},
{"step": "发送到飞书群", "status": "pending"}
]
}
通过update_plan，Agent可以：
OpenClaw的Agent采用ReAct模式，在每个决策点：
用户: 帮我分析竞品futuretools.io的最新动态
[Thought] 我需要搜索futuretools.io的最新内容
[Action] web_search("futuretools.io latest news 2026")
[Observation] 搜索返回5条结果...
[Thought] 搜索结果不够详细，需要抓取网站首页
[Action] web_fetch("https://futuretools.io")
[Observation] 获取到首页HTML，分析中...
[Thought] 已获取足够信息，开始生成报告
[Action] write("competitor-report.html", report_content)
[Observation] 报告已保存
[Task Complete] 竞品分析报告已生成