以下是主流AI Agent認知框架的詳細說明、對比及表格總結：

---

1. 各認知框架詳解

(1) ReAct (Reasoning + Action)

• 定義：結合推理（Reasoning）和行動（Action）的循環過程。
• 核心機制：
  • 模型先推理（Reason）生成可能的解決方案或步驟。
  • 執行（Act）具體操作（如查詢工具、調用API）。
  • 根據反饋結果迭代優化。
• 適用場景：需要逐步解決問題的復雜任務（如多步驟推理、工具調用）。
• 示例：用戶問“紐約到巴黎的航班價格”，模型先推理需要查詢航班數據，再調用API獲取實時價格。

(2) 函數調用（Function Calling）

• 定義：模型通過預定義的函數接口直接調用外部工具或API。
• 核心機制：
  • 模型生成符合函數參數的自然語言指令。
  • 系統解析指令并調用對應函數執行。
• 適用場景：需要調用結構化工具（如數據庫查詢、API接口）的任務。
• 示例：調用天氣API獲取實時天氣數據。

(3) 計劃與執行（Plan-And-Execute）

• 定義：分階段處理任務，先制定計劃再執行。
• 核心機制：
  1. 計劃階段：模型生成詳細步驟或子任務。
  2. 執行階段：逐步完成每個子任務并整合結果。
• 適用場景：復雜多步驟任務（如編寫代碼、解決問題）。
• 示例：解決數學題時先規劃解題步驟，再逐步計算。

(4) 自問自答（Self-Ask）

• 定義：模型通過生成問題并自行回答來逐步推導答案。
• 核心機制：
  • 模型生成中間問題，模擬人類的思考過程。
  • 逐步回答問題，最終整合答案。
• 適用場景：需要分步推理或知識補全的任務（如閱讀理解、邏輯推理）。
• 示例：閱讀一段文字后，自問關鍵細節并回答以提煉答案。

(5) 批判修正（Critique & Revise / Self-Reflection）

• 定義：模型自我檢查輸出并迭代優化。
• 核心機制：
  1. 生成初步答案：模型輸出初始結果。
  2. 批判階段：模型評估答案的合理性。
  3. 修正階段：根據批判結果調整并重新生成。
• 適用場景：需要高準確性的任務（如寫作、代碼調試）。
• 示例：模型生成代碼后，自我檢查語法錯誤并修正。

(6) 思維鏈（Chain-of-Thought, COT）

• 定義：通過逐步展開中間推理步驟生成最終答案。
• 核心機制：
  • 模型以自然語言詳細描述推理過程。
  • 分步驟推導，最終整合為答案。
• 適用場景：需要展示思考過程的任務（如數學題、邏輯推理）。
• 示例：解決數學題時分步寫出計算過程。

(7) 思維樹（Tree-of-Thought, TOT）

• 定義：通過分支探索多種可能的推理路徑。
• 核心機制：
  • 模型生成多個可能的中間思路（分支）。
  • 評估并選擇最優路徑繼續推理。
• 適用場景：需要探索多種可能性的任務（如創意生成、策略規劃）。
• 示例：設計解決方案時生成多個分支思路并篩選最佳方案。

---

2. 核心差異對比

關鍵維度對比

框架	核心機制	是否依賴外部工具	是否分階段	是否自我修正	典型輸出形式
ReAct	推理+行動循環	是	是	部分（迭代）	動態步驟結果
函數調用	直接調用函數	是	否	否	工具返回的數據
計劃與執行	分階段計劃+執行	可選	是	否	結構化步驟輸出
自問自答	生成問題并回答	否	是	否	分步推理過程
批判修正	自我檢查+迭代優化	否	是	是	修正后的最終答案
思維鏈（COT）	逐步展開推理過程	否	是	否	詳細推理步驟
思維樹（TOT）	分支探索多種路徑	否	是	否	多分支結果+最優選擇

技術特點差異

• 是否需要外部工具：
  • ReAct、函數調用依賴外部工具，其他框架主要依賴模型自身推理。
• 推理路徑：
  • COT是線性推理，TOT是分支探索。
• 迭代能力：
  • 批判修正框架具備自我迭代能力，其他框架多為單次推理。

---

3. 選擇建議

需求場景	推薦框架	理由
需要逐步推理并調用工具	ReAct	動態推理與行動結合
直接調用外部API或函數	函數調用	簡潔高效，適合結構化任務
復雜多步驟任務規劃	計劃與執行	明確分階段處理
需要展示中間思考過程	思維鏈（COT）	詳細推理過程透明
需要探索多種可能性	思維樹（TOT）	分支式探索最優解
需要高準確性輸出	批判修正	自我檢查與迭代優化

---

總結表格

框架名稱	核心特點	適用場景	優缺點
ReAct	推理+行動循環	多步驟工具調用	靈活但需要工具支持；適合復雜任務
函數調用	直接調用函數	結構化API調用	簡單高效；依賴工具接口
計劃與執行	分階段計劃+執行	復雜任務規劃	結構清晰；需明確步驟劃分
自問自答	生成問題并回答	分步推理任務	思維過程透明；計算開銷較大
批判修正	自我檢查+迭代優化	高精度輸出需求	輸出質量高；需多次迭代
思維鏈（COT）	逐步展開推理過程	需要展示推理過程	可解釋性強；線性路徑可能遺漏最優解
思維樹（TOT）	分支探索多種路徑	需要探索多種可能性	創新性強；計算資源需求高

---

總結

• 工具依賴型：ReAct、函數調用 → 需結合外部工具。
• 推理過程透明：COT、Self-Ask → 適合需要解釋的場景。
• 探索與優化：TOT、Critique & Revise → 多分支或高精度需求。
  根據具體任務需求（如是否需要工具、推理路徑、輸出形式）選擇合適的框架。