什么是 规划器-执行器(Planner-Executor)?

更新于

规划器-执行器(Planner-Executor)是一种 AI Agent 架构:先为目标创建版本化、机器可读的计划,再由独立组件执行并校验有界步骤,同时保留策略、状态、预算、审批和重规划控制。

快速了解

规范文档官方规范

工作原理

Planner-Executor 将战略任务拆解与战术执行分开。Planner 接收 Goal、可信 Constraint、可用 Capability Summary 与相关 State,生成 Plan Artifact;Executor 解析 Ready Step、校验 Precondition、提出具体 Tool Call、记录 Observation 与 Postcondition,再把证据交给 Replanner 或 Terminal Validator。

Plan Artifact 不只是自然语言清单。它应包含稳定 Plan ID 与 Version、Objective、Assumption、顺序或图依赖、Step ID、预期 Input / Output、Success / Stop Criteria、Capability Requirement、Risk Class、Budget Estimate 与 Approval Requirement。Artifact 不应保存私密思维链;它是人和程序可以检查、Diff、校验与拒绝的运营提案。

Plan 不是 Authorization。Planner 写出某个 Tool、Identity、Tenant、Resource、Credential 或 Side Effect,不代表已获授权。每一步执行前,可信 Runtime 根据当前 State 校验 Argument 与 Precondition,应用 Policy,并在必要时取得绑定参数的 Approval。Executor 只获得当前 Step 所需能力,并把真实 Effect 与模型文本分开报告。

执行可能推翻原有 Assumption。Replanning 应保留已验证事实、Completed Step、Committed Effect、未解决 Unknown Outcome、剩余 Budget 与 User Constraint。创建新 Plan Version,记录 Diff 与 Trigger,禁止静默改写历史。Tool、Resource、Argument 或 Risk 改变后重新授权,并限制 Replan Count 与 Equivalent-plan Repetition,防止振荡。

Sequential Plan 容易检查,但独立工作串行执行会浪费延迟。Dependency DAG 可以暴露 Ready Step,但 Fan-out 需要 Concurrency Limit、Deterministic Merge、Cancellation 与 Partial-failure Policy。Executor 可以是确定性代码、一个模型、多个 Specialist 或 ReAct Loop;使用小模型执行只是需要按端到端验收结果验证的假设,不是通用成本优化。

Durability 会改变执行边界。Run 启动前应持久化已解析的不可变 Plan;每个验收通过的 Step Result 先提交,再解除下游依赖;非确定性 Model / Tool Call 必须放在可重放编排逻辑之外。恢复时读取存储的 Plan Version 并比较 Expected State Revision,不能重新编译可变源码。内存 Graph 可以表达依赖,但自身不能跨进程故障恢复。

Write 需要稳定 Operation Key、Idempotency 与 Effect Journal。派发后 Timeout 可能是 outcome_unknown,重试或绕过前先对账。后续 Step 失败不会自动撤销已提交 Effect,除非显式 Compensation 成功。Checkpoint、Plan Version 与 Execution Record 都必须跨进程重启保存。

执行前评测 Plan Feasibility、Completeness、Assumption、Dependency、Unnecessary Step 与 Risk;执行中和执行后评测 Precondition Compliance、Authorized Tool Use、Plan Adherence 或 Justified Deviation、Replan Quality、Duplicate Effect、最终 Source-system Outcome、Latency 与 Cost。应与更简单的 Chain 或 ReAct Baseline 对比,只有验收任务结果改善时才值得增加规划层。

主要特点

  • 版本化 Plan Artifact 分离任务策略与步骤执行
  • Step Contract 定义依赖、前置条件、预期输出、后置条件、风险与预算
  • Runtime Authorization 独立于 Planner Recommendation
  • Replanning 保留事实、已提交副作用、约束、预算与可审计 Plan Diff
  • Sequential 或 DAG Execution 支持有界并发、取消、合并与失败策略
  • 评测覆盖计划质量、执行一致性、合理偏离、副作用、成本与最终结果

常见用途

  1. 包含检查、修改、测试、Review 与回滚阶段的软件迁移
  2. 具有证据目标、Query 依赖与来源验证的研究任务
  3. 任何高影响 Tool Call 前都需要审阅计划的运营流程
  4. 根据新 Observation 调整剩余步骤但保留已完成工作的长任务
  5. 在有界 Dependency DAG 中执行独立步骤,并对比 Planned Action 与实际 Trajectory

示例

loading...
Loading code...

常见问题

Planner-Executor 必须使用两个不同模型吗?

不必。Planner 与 Executor 是逻辑角色,可以使用不同模型、同一模型的不同契约、确定性代码或专业 Agent。应依据评测选择,而不是固定采用大模型规划、小模型执行。

审批计划后是否等于授权所有步骤?

不是。Plan 描述预期工作;规划后条件可能变化,因此 Runtime 与下游服务仍须按当前 Identity、Resource、Argument、Policy 与 Approval 授权每个具体操作。

系统什么时候应该 Replan?

Precondition 失败、证据推翻 Assumption、Dependency 不可用、用户改变目标或剩余计划无法满足契约时触发。必须保留已完成 Effect,并对变化进行版本化。

Plan Step 可以并行执行吗?

可以,只要依赖允许。将 Plan 表示为 DAG,限制并发,定义确定性结果合并,传播 Cancellation,并明确 Partial Failure 对下游步骤的影响。

如何评测 Planner-Executor?

评测计划可行性和风险、步骤前置条件、授权执行、遵循计划或合理偏离、重规划质量、重复副作用、最终结果、延迟与成本,并与 Chain 和 ReAct Baseline 比较。

相关术语

相关文章

Agent Harness 架构:运行时组件、数据流与失败恢复

系统拆解 Agent Harness 架构:从身份与策略上下文、模型提议、审批门禁和幂等工具执行,到状态提交、可观测事件与失败恢复,解释生产级 AI Agent 如何控制副作用、避免重复执行并支持安全续跑。同时区分 Harness、Agent Loop、Runtime 与工作流引擎的责任边界,并给出生产准入、故障对账和安全评测清单。

2026-04-06

如何构建 AI Agent:生产级架构与代码实战

从架构决策到可运行代码,系统讲解生产级 AI Agent 的强类型工具、持久状态、安全护栏、人工审批、可观测性与结果评测方法。本文提供只依赖 Go 标准库的订单 Agent Runtime、主流框架选型标准、多 Agent 判断原则和上线检查清单,帮助开发者判断何时不该使用 Agent,并避开越权调用、无限循环、记忆污染和只评文本不验业务结果等常见工程陷阱。

2026-02-06

Agent Harness 实战:状态、权限、工具与恢复

系统讲解 Agent Harness 实战:从类型化运行状态、权限策略和 MCP 工具适配,到持久化审批、幂等副作用、未知结果恢复、脱敏观测与故障测试,帮助团队把模型输出限制为待审提案,构建可恢复、可审计且不会因盲目重试重复执行外部写入的生产级智能体运行时,并建立贯穿开发测试、灰度发布和事故调查的统一证据链,避免把框架能力误当成安全保证。

2026-04-01