搜索、规划与决策

• 能说明搜索、规划与决策解决什么问题，以及何时适用。
• 能解释为什么“规划脱离真实工具能力”是误区。

面对多步任务，写出一个听起来合理的步骤列表并不等于得到可执行方案。系统需要知道有哪些候选路径、每个动作什么时候可做，以及信息不完整时现在该选哪一步。

搜索、规划与决策的边界有重叠，但问题侧重点不同。把它们分开，能帮助我们定位失败是候选方案没找到、动作模型错误，还是风险偏好与任务要求不一致。

搜索探索候选状态，规划构造达到目标的行动序列，决策依据价值、风险和约束选择当前行动。

搜索像看多条路线，规划像写旅行步骤，决策像结合时间与风险选一条现在要走的路。

搜索从初始状态出发，通过后继规则探索候选状态，并用目标测试判断是否找到解。展开顺序决定时间与内存开销；启发式可以引导探索，但启发式的质量和适用条件需要单独检查。

规划用动作的前置条件与效果组织行动序列。某一步“上传报告”可能依赖“报告通过校验”和“当前账户有写权限”；如果计划中没有满足这些前置条件，步骤名称再完整也无法执行。

决策比较可选行动的收益、成本、风险和约束。不确定性较高时，先查询状态或询问用户也可以是有价值的动作；追求最少步骤不一定符合错误代价很高的任务。

执行过程提供新的证据，可能使原计划失效。闭环规划在关键步骤后检查实际效果，保留仍有效的部分并修改后续计划，而不是把开头生成的清单当作不可调整的承诺。

1. 定义状态与动作
2. 生成候选方案
3. 估计成本和风险
4. 执行一小步并重规划

• 任务规划
• 工具选择
• 机器人导航

• 把自然语言步骤直接当作动作模型，没有检查工具是否存在以及参数能否满足。
• 无限制扩展候选路径，却没有重复状态检测、预算或启发式依据。
• 环境已经变化仍照旧计划执行，或者把计划里的预期结果记成已发生事实。