搜索、规划与约束求解底层图谱

从状态、动作、目标、约束、启发式、搜索树、剪枝、回溯和验证器，理解 Agent 为什么会卡住、绕圈、短视或乱试

阅读定位: 这一页补 AI 底层理解线里的“规划问题”专题。推理模型 / Test-time Compute 讲调用时多想、多采样和验证；Agent 系统讲工具、状态和治理。本页专注更底层的一件事：当 AI 要把目标变成可执行路径时，它其实在一个状态空间里搜索，并受目标函数、约束、剪枝、回溯和验证器影响。

一、规划问题的最小结构

初始状态
现在有什么

→

目标状态
想达到什么

→

动作集合
能做什么

→

约束条件
不能怎样

→

搜索策略
先试哪里

→

验证反馈
对不对

→

执行路径
计划 / 回滚

要素	它回答什么	在 AI / Agent 里的表现	缺失时会怎样
状态	系统现在处在什么局面	当前上下文、工具返回、文件状态、用户目标、权限和历史步骤	Agent 不知道自己已经做过什么，容易重复或覆盖
动作	下一步能做什么	调用工具、检索、写文件、运行测试、询问用户、停止任务	模型只会“想”，无法把计划变成外部变化
目标	什么算完成	任务验收标准、测试通过、用户确认、业务状态达成	计划没有终点，容易无限细化或提前收工
约束	哪些路径不能走	权限边界、成本预算、安全策略、时间限制、不可破坏文件	越强的 Agent 越可能高效地做错事
启发式	优先探索哪些方向	经验规则、模型置信、任务分解、工具选择偏好	搜索空间爆炸，或者总是被表面线索带偏
验证器	怎么知道路径对不对	单元测试、类型检查、引用校验、Judge、人工复核	模型可能自信地沿错误路径继续推进
回溯	走错后能否退回	检查点、版本快照、补偿动作、撤销策略	一步错导致后续全错，长任务难以恢复

一句话:

规划不是“让模型列一个待办清单”，而是在状态空间里选择一条受约束、可验证、可恢复的行动路径。

二、搜索空间为什么会爆炸

爆炸来源	发生机制	Agent 里的典型表现	治理动作
动作太多	每一步可选工具、参数和路径太多	模型在搜索、读文件、改代码、问用户之间摇摆	工具分层、任务阶段化、先粗后细
状态不可见	模型不知道外部系统真实状态	重复调用工具、误以为修改已生效、漏看错误	强制观察、状态摘要、步骤 trace
目标模糊	没有明确完成条件或质量标准	不断优化回答、迟迟不停止，或过早宣布完成	验收标准、停止条件、用户确认点
约束隐藏	成本、权限、安全、时间限制没有进入规划	超预算、越权、调用危险工具、长链路失控	显式预算、权限 schema、安全闸门
反馈滞后	错误要到很后面才暴露	前面一步方向错，后面十步都在补错路	中间验证、检查点、短迭代

为什么 Demo 看起来聪明，生产任务却容易乱

Demo 通常状态少、动作少、目标清晰、失败代价低；生产任务则有权限、成本、外部系统、多人协作、历史状态和不可逆副作用。规划问题一旦变大，单靠自然语言“想一想”就不够了。

三、搜索策略：从盲试到有约束探索

策略	核心想法	适合场景	风险
贪心搜索	每一步选看起来最好的动作	短任务、局部信息足够、错误可重试	容易短视，陷入局部最优
宽度优先	先看同一层的多个选择	路径较短、需要比较候选方案	分支多时成本迅速上升
深度优先	沿一条路径走到底再回溯	探索性任务、分支较深	早期方向错会浪费大量步骤
启发式搜索	用评分函数或经验规则排序路径	代码修复、工具选择、检索策略	启发式错了会系统性偏航
树搜索 / 多路径采样	生成多个候选路径，用验证器筛选	数学、代码、可验证规划	需要强验证器，计算成本高
约束求解	先定义变量和约束，再求满足条件的方案	排程、资源分配、权限组合、格式生成	约束建模不完整会给出危险可行解

实用判断:

Agent 的规划能力不只来自模型本身，还来自你给它的搜索空间是否干净、约束是否明确、验证器是否可靠。

四、约束：规划系统的刹车和边界

硬约束

不能越权、不能泄露隐私、不能删除关键数据
应由系统和工具层强制执行

软约束

尽量便宜、尽量快、尽量少打扰用户
适合进入排序、路由和预算策略

过程约束

高风险动作前必须确认，失败三次要停止
让长链路任务有可控节奏

输出约束

结构化格式、引用来源、测试结果、审计字段
让计划结果可解析、可验证、可回放

约束不清时，能力越强越危险

如果目标写得模糊、约束藏在人的脑子里，Agent 可能认真优化一个错误目标。这里和目标函数、奖励错配与 Goodhart 是同一条底层逻辑：系统会优化被表达出来的目标，而不是你心里没说清的意图。

五、规划失败的常见模式

失败模式	底层原因	表面现象	修复方向
绕圈	状态更新不可见，缺少访问过的节点记录	重复搜索、重复读同一文件、反复调用同一工具	步骤 trace、已尝试路径、最大步数、终止条件
短视	贪心策略只看下一步收益	先改最明显的点，后面发现整体方案冲突	先规划后执行、阶段检查、候选方案比较
过度探索	目标不清或验证器太弱	不断查资料、不断拆解，迟迟不交付	完成定义、时间预算、必要信息阈值
误剪枝	启发式或早期判断错误	过早排除正确路径，执着于错误假设	保留备选、反证检查、定期重规划
约束违规	硬约束只写在 Prompt 里，没有系统 enforcement	越权工具、危险动作、泄露敏感上下文	权限层、工具 schema、确认门、安全护栏
不可恢复	没有检查点、撤销或补偿动作	长任务中一步错，后续状态全乱	版本快照、checkpoint、回滚策略

六、和推理模型、RL、Agent 的关系

相邻概念	连接点	区别	继续阅读
推理模型	调用时多想、多路径、多验证，本质上也在扩大搜索	推理模型偏“计算预算和验证”，本页偏“状态空间和规划结构”	推理模型 / Test-time Compute
强化学习	状态、动作、奖励、策略都来自同一套决策问题语言	RL 强调从环境反馈中学习策略，本页强调一次任务里怎样规划路径	强化学习 / 环境反馈
Tool Calling	计划最终要落成可执行动作、参数和状态机	Tool Calling 偏执行协议，本页偏动作选择和路径搜索	Tool Calling / 执行协议
Agent 系统	Agent 是规划、工具、状态、记忆、治理的组合系统	Agent 页讲全系统，本页讲规划层的底层机制	Agent 系统
具身智能	机器人规划要面对物理状态、连续控制和环境反馈	具身场景的状态更难观测，动作副作用更真实	具身智能 / 世界模型

七、工程落地的设计原则

先缩小搜索空间

把任务分阶段、把工具分层、把候选动作变少，比让模型在巨大空间里自由发挥更可靠。

把约束做成系统能力

权限、预算、危险动作、输出 schema 和确认门应由系统执行，不能只靠模型记住。

在中间步骤验证

长任务不要等最后才测。每一阶段都应有可观察状态、检查点和继续 / 停止判断。

保留回溯路径

计划会错，工具会失败。成熟系统要能撤销、补偿、重试、降级和交给人接管。

八、常见误区

误区：规划就是让模型先写计划

自然语言计划只是表层。真正有用的规划要绑定状态、动作、约束、验证和回滚。

误区：搜索越广越好

无约束扩展会让成本和延迟爆炸。好的搜索是用启发式和验证器把无效路径尽早剪掉。

误区：强模型自然会知道什么时候停

停止条件是系统设计的一部分。没有完成定义、预算和最大步数，Agent 很容易过度探索或提前结束。

误区：失败是模型不够聪明

很多失败来自状态不可见、动作空间太大、约束不清、验证器缺失或无法回溯，不是单纯模型能力问题。

九、回到 AI 主干

AI 全景 → 推理模型 / Test-time Compute → 搜索 / 规划 / 约束求解 → Tool Calling → Agent 系统 → 一次请求的一生

这张图在主干里的位置

如果说推理模型页解释“为什么调用时多想会提升某些任务”，Tool Calling 页解释“动作怎样被安全执行”，Agent 页解释“系统怎样组合规划、工具、状态和治理”，那么本页解释中间那层规划底座：目标怎样被转成状态空间里的可验证行动路径。