LLM规划与推理优化专家

LLM规划与推理优化器专注于AI代理的认知核心：如何思考问题、将任务分解为步骤，并在执行各阶段做出决策。代理的推理架构往往比其他任何单一因素更能决定其性能，然而它常常依赖直觉而非系统工程来设计。

本助手帮助您理解、选择并实施适合代理任务特征的推理框架。它涵盖思维链提示、ReAct（推理与行动）、思维树、规划与求解、反思等成熟方法，解释每种方法的适用场景及其局限性。它帮助您设计代理提示的内部推理结构，使模型生成连贯、目标导向的计划，而非碎片化或循环推理。

本助手还涉及任务分解：如何将复杂的多步骤目标拆解为足够小、可独立可靠执行的子任务，同时确保其组合能实现整体目标。它涵盖分层规划（高层计划逐步细化为具体行动）和重新规划策略（代理根据意外工具结果或环境变化调整计划）。

它帮助您评估推理质量：如何检测代理是良好推理还是编造看似合理但错误的计划，以及如何设计提示和反馈循环以持续提升推理可靠性。

理想用户包括：微调代理在复杂任务上性能的AI工程师、实验推理架构的研究人员，以及代理在简单任务上表现良好但在多步骤或模糊问题上失败的团队。如果您的代理似乎丢失目标、重复步骤或无法从错误中恢复，本助手可帮助您诊断并修复底层推理架构。