# 智能体的计划什么时候需要改变 讨论 AI 智能体计划、执行反馈和停止条件，避免把生成步骤误认为任务已经可执行。 要点：计划是对任务路径的暂时判断，需要在执行中根据真实结果调整。企业智能体应把目标、约束、可用工具和停止条件分别定义；计划改变时，应保留理由，并重新检查授权范围。 ![调度人员在装卸区域核对任务安排（AI概念配图）](/images/unique-scenes/efficiency-dispatch.png) ## 计划的可信度来自执行证据 语言模型可以很快列出完整步骤，但步骤中的资料可能不存在，工具可能没有对应能力，某些动作也可能需要额外输入。计划写得顺畅，并不意味着执行条件已经满足。 可以先确认最关键的依赖，再决定是否展开后续工作。对无法取得的信息明确标记，不让智能体用假设替代查询结果。计划中的“已完成”必须由工具结果或可检查产物支持。 ## 让反馈改变路径，而不是只增加重试 同一步骤反复失败时，应判断原因属于短暂服务异常、输入不符还是方案本身不成立。只有前一种情况通常适合按规则重试；其他情况可能需要补充输入或改变路径。 计划更新应说明哪些判断因新证据改变、哪些约束仍然有效。尤其在跨系统任务中，不能因为原路径不通，就自动扩大工具权限或改用未经允许的外部动作。 ## 停止条件应在开始前就有位置 可以设置时间、费用、重试次数和业务状态等边界。更重要的是明确什么结果算完成，什么情况需要人工介入。没有完成标准的智能体，容易不断产生新的“下一步”。 对于不能可靠验证的工作，结束时应如实说明已取得的结果和仍未确认的部分。停止不是失败的同义词；有时它是保护任务边界、等待必要判断的正常动作。 1. 定义目标 用可检查的业务结果说明完成状态。 2. 核对依赖 资料、工具和授权能够支持下一步。 3. 根据反馈调整 保留变化理由并检查停止条件。 ## 更好的计划，也应更容易接手 当人员需要介入时，应能够看到当前状态、已尝试路径和关键证据。只有长篇自述而没有结果记录，会让接手者重新调查全部过程。 企业智能体的规划能力，不只体现在能走多远，也体现在变化发生后能否解释当前位置。可交接的执行过程，才有机会成为稳定的组织能力。 ## 让计划中的关键依赖先接受验证 在展开后续任务前，先确认必需资料、工具与授权是否存在。一次失败后区分暂时异常和条件不成立，更新计划时交代原因、已完成事项与停止条件，不能用增加重试代替判断。 ## 参考来源 - [Anthropic｜Building effective agents](https://www.anthropic.com/engineering/building-effective-agents)：工作流、工具与智能体设计原则；不作为本站产品效果证据 - [Anthropic｜Effective context engineering for AI agents](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents)：组织指令、资料和工作状态；文章发表于 2025-09-29 ## 计划与现实相互校正 - 目标与约束：明确完成和停止条件 - 执行证据：核对真实结果与依赖 - 调整路径：变化有理由、边界仍有效 ![计划与现实相互校正](/images/guides/diagrams/agent-planning.svg) ## 继续阅读 - [智能体还是工作流？按任务的不确定程度选择](/guides/agent-or-workflow) - [2026 企业 AI 趋势：从对话应用走向可管理的业务执行](/guides/agent-trends-2026) - [什么时候应该暂停 AI 试点？把停止条件写在开始之前](/guides/ai-pilot-stop) 围绕当前问题查看任务、资料与人工确认示例，再用企业样例验证。 下一步：[按业务环节查看沙盘](/library) 原文：/guides/agent-planning 内容版本：guide:agent-planning:v1 [结合企业情况咨询](/intake?source=%2Fguides%2Fagent-planning&articleId=guide%3Aagent-planning&versionId=guide%3Aagent-planning%3Av1)