← 概念辨析に戻る

Concept Contrast Fable

ReAct とプランニング:走りながら道を見るものと、出発前に地図を描くもの

先に結論:Agent を構築するとき、ReAct と計画はしばしば同じアーキテクチャ議論の場で対比される。ReAct は Agent に推論と行動を交互に循環させ、各ステップの結果が次のステップを決める。計画は Agent にまず目標を分解させ、ステップの順序を並べ、計画に従って実行させる。両者の違いはどちらがより賢いかではなく、未知への許容度にある——ReAct は不完全な情報のために途中調整の余地を残し、計画は情報の完全性の圧力をすべて起点に押し付ける。

Agent を構築するとき、ReAct と計画はしばしば同じアーキテクチャ議論の場で対比される。ReAct は Agent に推論と行動を交互に循環させ、各ステップの結果が次のステップを決める。計画は Agent にまず目標を分解させ、ステップの順序を並べ、計画に従って実行させる。両者の違いはどちらがより賢いかではなく、未知への許容度にある——ReAct は不完全な情報のために途中調整の余地を残し、計画は情報の完全性の圧力をすべて起点に押し付ける。

寓話

二人のパイロットの入山戦略

ある測量隊が、一度も測量されたことのない原生林を横断しようとしていた。隊には二人のナビゲーターがいて、入山戦略は全く異なっていた。最初のナビゲーターは二百メートル進むごとに立ち止まり、最も高い木に登って前方の地形を観察し、見えた尾根の走向と渓流の方向に基づいて方向を調整した。彼の地図は山の中でますます細かくなっていった。二人目のナビゲーターは入山口で衛星図と等高線図を広げ、三日間かけて入山口から目標地点までの完全なルートを描き、十七の転向点を記した。

最初の三日間、二人とも予定のキャンプに時間通りに到着した。最初のナビゲーターは多少遠回りしたが、その遠回りは毎回前方の断崖を見てから決めたもので、余分に歩いた道には理由があった。二人目のナビゲーターが歩いたルートはより直線的だった——少なくとも地図上では直線だった。

四日目の午後、二人目のナビゲーターが八番目の転向点で止まりました。等高線図に示された浅瀬は、現実には雨季に削られた深い溝で、溝の幅は架橋設備の限界を超えていました。彼はすべての地図を調べても実行可能な代替ルートを見つけられませんでした。なぜなら彼のすべての意思決定は入山口での完全な情報に基づいており、情報はこの瞬間にゼロになったからです。

同じ日の夕暮れ、最初の航海士もこの深い溝にたどり着いた。彼は前の観察点まで戻り、再び木に登って周囲の山の形を見直し、東側の緩やかな斜面を選んで迂回した。二日余分に歩いたが、「計画が途切れたら動けなくなる」状態には一度も陥らなかった。

キャンプに戻った後、測量隊は二つの戦略の境界を振り返った。二人目の領航員の方式は情報が完全で環境が安定した区域——道路測量、平原測量——に適している。情報はあなたを欺かない。一人目の領航員の方式は情報が不完全で環境が変わる区域——未知の山地、雨季のジャングル——に適している。あなたは一歩ごとに次の一歩のために情報を集めなければならない。

隊長は後に各測量班に「前哨ナビゲーター」と「ルートプランナー」を一人ずつ配った。前哨は未知の地形で短周期の観察-行動ループにより道を開く役割を担い、ルートプランナーは既知の地形に入った後、前哨の経験を再現可能な標準ルートとして固める役割を担う。二人は互いを代替せず、ただ互いにリレーする。

最後の経験のまとめは測量手引の扉ページに印刷された。出発前にこの土地の完全な真実の情報を手に入れたなら、まず地図を描いてから歩け。この土地がまだ誰も歩いていないなら、一歩ごとに足元の道を先に見よ。二つの地図はどちらも終点に導けるが、前提とする地図の精度が異なる。

ReAct

推論と行動を交互に実行する Agent 推論モード。モデルはまず考え、次にツール呼び出しを実行し、結果に基づいて再び考える——各ステップが次のステップのための情報を集めている。環境情報が不完全な動的タスクに適する。

計画

Agentは実行前に完全な段階的計画を生成し、その後計画に従って実行する。起点情報の完全性と環境の安定性に依存する。構造化され、境界が明確な反復タスクに適する。

物語の対応

  • 最初の航海士は二百メートルごとに木に登って観察してから進む:ReAct、観察-推論-行動のループを各ステップで回す
  • 第二のナビゲーターが入山口で完全なルートを描く:Planning、実行前にグローバル計画を生成
  • 浅瀬が深い溝に変わると計画がゼロになる:Planning は情報が急変するとき中途調整能力を欠く
  • 前哨とプランナーのリレー連携:ReAct が未知の環境を探り、Planning が既知の経路を固める

Agentの行動設計に落とし込む

Agent タスク設計では場面ごとにパターンを選ぶ。情報が完全で手順が固定されたタスク(固定形式の報告書生成など)は Planning で事前に手順を分解するのが最も効率的だ。情報が不完全または環境が動的に変化するタスク(マルチツール検索、オープンエンドな調査など)は ReAct を使い、各ステップの結果が次の意思決定を駆動する。混合場面では Planning で骨格を組み、ReAct で細部を埋められる。大きな方向を先に決め、各段の内部は観察-行動ループに任せて調整する。

京ICP备2026014272号