CangjieMagic框架：使用華為倉頡編程語言編寫，專門用于開發AI Agent，支持鴻蒙、Windows、macOS、Linux等系統。

這篇文章剖析一下 CangjieMagic 框架中的 PlanReactExecutor。

1 PlanReactExecutor的工作原理

當你要組織一場生日派對時，你會怎么做？你不會一頭扎進去就開始準備，而是會先：

1. 了解壽星的喜好（知識提取）
2. 分解任務：場地、食物、娛樂、禮物（問題分解）
3. 一個個完成這些子任務（執行子任務）
4. 最后把所有準備工作整合起來，舉辦一場成功的派對（匯總結果）

PlanReactExecutor就是這樣工作的！它不會直接嘗試解決一個復雜問題，而是先分析、分解，然后一步步解決，最后整合答案。

2 深入代碼：構造函數和核心組件

我們先來看看PlanReactExecutor的構造函數：

protected class PlanReactExecutor <: AgentExecutor {protected PlanReactExecutor() { }// 其他成員...
}

這個構造函數非常簡單，它背后連接了幾個強大的組件：

就像一個專業廚師雖然看起來很簡單地做了一道菜，但背后有一套完整的廚具和步驟一樣，PlanReactExecutor看似簡單，實則整合了多個專業組件。

3 同步執行流程：像項目經理一樣工作

現在，讓我們看看同步執行函數的實現：

override public func run(agent: Agent, request: AgentRequest): AgentResponse {// Extract necessary knowledgelet knowledge = knowledgeExtract(agent, request)// Decompose the problemlet subtasks: Array<Subtask> = problemDecompose(agent, request)let planTask = PlanTask(agent, request, subtasks, knowledge)// Solve each subtaskfor (subtask in subtasks) {let worker = ReactWorker(planTask)let result = worker.solve(subtask)subtask.result = result}// Summarize the resultlet result = resultSummarize(planTask)LogUtils.info(agent.name, "Summarized answer: ${result}")return AgentResponse(result)
}

我們來用一個房屋裝修的例子來理解這個過程：

1. 知識提取：就像設計師了解業主的喜好和需求

   let knowledge = knowledgeExtract(agent, request)
   

2. 問題分解：就像項目經理將裝修分解為水電、木工、油漆等工序

   let subtasks: Array<Subtask> = problemDecompose(agent, request)
   

3. 創建計劃任務：匯總需求和任務清單，形成施工方案

   let planTask = PlanTask(agent, request, subtasks, knowledge)
   

4. 執行每個子任務：安排工人團隊依次完成各個工序

   for (subtask in subtasks) {let worker = ReactWorker(planTask)let result = worker.solve(subtask)subtask.result = result
   }
   

5. 匯總結果：整合所有工作，形成最終成果

   let result = resultSummarize(planTask)
   

6. 返回結果：向業主交付完工的房子

   return AgentResponse(result)
   

這個過程既有條理又高效，每個步驟都有明確的職責，就像一個專業的項目團隊！

4 異步執行流程：實時查看進度的魔力

當我們需要實時查看任務執行進度時，就可以使用異步執行函數：

override public func asyncRun(agent: Agent, request: AgentRequest): AsyncAgentResponse {let planTask = PlanTask(agent, request)// Create the worker threadlet fut: Future<Iterator<String>> = spawn {try {return workFn(planTask)} catch(ex: Exception) {planTask.execInfo.verboseChannel.close()throw ex}throw UnsupportedException("Unreachable")}return AsyncAgentResponse(IteratorWrapper(planTask, fut), execInfo: planTask.execInfo)
}

這就像你在手機APP上訂購一份外賣，可以實時看到"商家接單→廚師制作→騎手取餐→配送中→已送達"的全過程，而不是只能干等結果。

這里的關鍵是spawn表達式，它創建了一個新的工作線程來執行workFn函數，這樣主線程就不會被阻塞。用生活中的例子來說，這就像你在餐廳點菜后，服務員會給你一個電子呼叫器，你可以去做其他事情，等菜好了會通知你。

5 workFn函數：異步工作的實際執行者

workFn函數是實際執行異步工作的地方，讓我們仔細看看它的實現：

private func workFn(planTask: PlanTask): Iterator<String> {let agent = planTask.agentlet request = planTask.request// Extract necessary knowledgeplanTask.knowledge = knowledgeExtract(agent, request)// Decompose the problemlet subtasks: Array<Subtask> = problemDecompose(agent, request)planTask.subtasks = subtasksif (request.verbose) {let strBuilder = StringBuilder()strBuilder.append("# The Plan\n")for (subtask in subtasks) {strBuilder.append(subtask.toMarkdown())strBuilder.append("\n")}planTask.execInfo.verboseChannel.put(strBuilder.toString().withTag(ReactTag.PLAN))}// Solve each subtaskfor (subtask in subtasks) {if (request.verbose) {planTask.execInfo.verboseChannel.put("Solve the subtask: ${subtask.name}".withTag(ReactTag.PLAN))}let worker = ReactWorker(planTask)let asyncResp = worker.asyncSolve(subtask, verbose: request.verbose)if (request.verbose) {// Transfer the internal information from the react worker to this agentfor (data in asyncResp.execInfo.getOrThrow().verboseInfo) {planTask.execInfo.verboseChannel.put(data)}}subtask.result = asyncResp.contentif (request.verbose) {planTask.execInfo.verboseChannel.put("# Subtask DONE!\n${subtask.toMarkdown()}".withTag(ReactTag.INFO))}}if (request.verbose) {planTask.execInfo.verboseChannel.close()}// Summarize the resultreturn asyncResultSummarize(planTask)
}

讓我們用一個建造樂高模型的例子來理解這個過程：

在這個過程中，最有價值的部分是用戶可以看到計劃和每個子任務的執行過程，這就是verbose模式的作用：

if (request.verbose) {let strBuilder = StringBuilder()strBuilder.append("# The Plan\n")for (subtask in subtasks) {strBuilder.append(subtask.toMarkdown())strBuilder.append("\n")}planTask.execInfo.verboseChannel.put(strBuilder.toString().withTag(ReactTag.PLAN))
}

這段代碼就像是向用戶展示樂高說明書的全貌，讓用戶知道接下來會發生什么。然后在執行每個子任務時，不斷更新進度：

if (request.verbose) {planTask.execInfo.verboseChannel.put("Solve the subtask: ${subtask.name}".withTag(ReactTag.PLAN))
}

這就像是告訴用戶"現在正在搭建城堡的塔樓部分"，讓用戶了解當前進度。

6 與其他執行器的對比

如果用餐廳來比喻三種執行器：

• NaiveExecutor：快餐店，直接點餐、直接出餐
• ReActExecutor：普通餐廳，廚師根據訂單現做現賣
• PlanReactExecutor：高檔餐廳，主廚先設計菜單，然后團隊分工協作制作多道菜肴，最后組合成一頓完美的大餐

PlanReactExecutor最適合那些需要多步驟、多角度思考的復雜問題。

7 實際應用案例

案例一：學術研究助手

當用戶請求研究神經網絡的最新進展時，執行過程可能是：

案例二：旅行規劃助手

想象一個用戶想規劃一次歐洲之旅：

用戶: 請幫我規劃一次為期7天的法國巴黎和意大利羅馬的旅行，包括景點、住宿和交通。

使用PlanReactExecutor，執行過程可能是：

1. 知識提取：了解用戶想去巴黎和羅馬，時間為7天
2. 問題分解：
   • 子任務1：規劃巴黎部分的行程（3天）
   • 子任務2：規劃羅馬部分的行程（3天）
   • 子任務3：規劃兩地之間的交通（1天）
   • 子任務4：提供住宿建議
   • 子任務5：整合完整行程
3. 執行每個子任務：分別解決每個子任務
4. 匯總結果：生成完整的7天旅行計劃

案例三：復雜數學問題求解

用戶: 請求解下列方程組：
3x + 2y - z = 10
2x - 3y + 2z = -5
x + y + z = 7

使用PlanReactExecutor解決這個問題：

1. 知識提取：確定這是一個三元一次方程組
2. 問題分解：
   • 子任務1：使用消元法消去z變量
   • 子任務2：解出x和y的關系
   • 子任務3：代回求解x、y、z的值
   • 子任務4：驗證結果是否正確
3. 執行子任務：依次解決每個數學步驟
4. 匯總結果：提供完整的解答和解釋

8 核心組件深度解析

PlanReactExecutor不是獨立工作的，它依賴幾個核心組件：

1. knowledgeExtract：就像研究生開始論文前的文獻綜述，先了解相關知識

2. problemDecompose：就像建筑師在開工前繪制詳細的施工圖紙

3. ReactWorker：就像專業工人按照圖紙完成具體工作

4. resultSummarize：就像編輯將多篇文章整合成一本完整的書

這些組件協同工作，使得PlanReactExecutor能夠處理非常復雜的問題。

9 PlanReactExecutor的優勢與局限

優勢：

1. 解決復雜問題：像專業律師處理復雜案件，有條不紊
2. 思路清晰：用戶可以看到完整的思考過程，增強可信度
3. 結果全面：考慮問題的多個方面，不會遺漏重要內容
4. 可追蹤性：出現問題可以定位到具體哪個子任務

局限：

1. 執行時間長：就像做一道復雜的菜肴，需要更多時間
2. 資源消耗大：需要更多的API調用和計算資源
3. 簡單問題反而復雜化：用大炮打蚊子，對簡單問題過度設計

10 何時選擇PlanReactExecutor？

適合使用PlanReactExecutor的場景：

1. 多步驟問題：如規劃旅行、制定學習計劃
2. 需要多角度分析：如進行SWOT分析、評估風險
3. 需要綜合信息：如撰寫研究報告、市場分析
4. 組織創作內容：如寫一本書的大綱、設計課程體系

不適合的場景：

1. 簡單問答：如"今天天氣怎么樣"
2. 單一工具調用：如"計算123 + 456"
3. 快速響應場景：如緊急情況下的決策

11 總結

PlanReactExecutor就像一位經驗豐富的項目經理，能夠將復雜問題分解為可管理的小任務，然后一步步解決，最終整合成完整的解決方案。在處理復雜問題時，它的表現遠超簡單的執行器。

當你的AI應用需要處理復雜的多步驟問題時，不妨考慮使用PlanReactExecutor，它將幫助你的Agent像專業團隊一樣有條不紊地解決問題。