【仓颉 + 鸿蒙 + AI Agent】CangjieMagic框架（17）：PlanReactExecutor
CangjieMagic框架：使用华为仓颉编程语言编写，专门用于开发AI Agent，支持鸿蒙、Windows、macOS、Linux等系统。
这篇文章剖析一下 CangjieMagic 框架中的 PlanReactExecutor。
1 PlanReactExecutor的工作原理
当你要组织一场生日派对时，你会怎么做？你不会一头扎进去就开始准备，而是会先：
- 了解寿星的喜好（知识提取）
- 分解任务：场地、食物、娱乐、礼物（问题分解）
- 一个个完成这些子任务（执行子任务）
- 最后把所有准备工作整合起来，举办一场成功的派对（汇总结果）
PlanReactExecutor就是这样工作的！它不会直接尝试解决一个复杂问题，而是先分析、分解，然后一步步解决，最后整合答案。
2 深入代码：构造函数和核心组件
我们先来看看PlanReactExecutor的构造函数：
protected class PlanReactExecutor <: AgentExecutor {
protected PlanReactExecutor() { }
// 其他成员...
}
这个构造函数非常简单，它背后连接了几个强大的组件：
就像一个专业厨师虽然看起来很简单地做了一道菜，但背后有一套完整的厨具和步骤一样，PlanReactExecutor看似简单，实则整合了多个专业组件。
3 同步执行流程：像项目经理一样工作
现在，让我们看看同步执行函数的实现：
override public func run(agent: Agent, request: AgentRequest): AgentResponse {
// Extract necessary knowledge
let knowledge = knowledgeExtract(agent, request)
// Decompose the problem
let subtasks: Array = problemDecompose(agent, request)
let planTask = PlanTask(agent, request, subtasks, knowledge)
// Solve each subtask
for (subtask in subtasks) {
let worker = ReactWorker(planTask)
let result = worker.solve(subtask)
subtask.result = result
}
// Summarize the result
let result = resultSummarize(planTask)
LogUtils.info(agent.name, "Summarized answer: ${result}")
return AgentResponse(result)
}
我们来用一个房屋装修的例子来理解这个过程：
-
知识提取：就像设计师了解业主的喜好和需求
let knowledge = knowledgeExtract(agent, request) -
问题分解：就像项目经理将装修分解为水电、木工、油漆等工序
let subtasks: Array= problemDecompose(agent, request) -
创建计划任务：汇总需求和任务清单，形成施工方案
let planTask = PlanTask(agent, request, subtasks, knowledge) -
执行每个子任务：安排工人团队依次完成各个工序
for (subtask in subtasks) { let worker = ReactWorker(planTask) let result = worker.solve(subtask) subtask.result = result } -
汇总结果：整合所有工作，形成最终成果
let result = resultSummarize(planTask) -
返回结果：向业主交付完工的房子
return AgentResponse(result)
这个过程既有条理又高效，每个步骤都有明确的职责，就像一个专业的项目团队！
4 异步执行流程：实时查看进度的魔力
当我们需要实时查看任务执行进度时，就可以使用异步执行函数：
override public func asyncRun(agent: Agent, request: AgentRequest): AsyncAgentResponse {
let planTask = PlanTask(agent, request)
// Create the worker thread
let fut: Future> = spawn {
try {
return workFn(planTask)
} catch(ex: Exception) {
planTask.execInfo.verboseChannel.close()
throw ex
}
throw UnsupportedException("Unreachable")
}
return AsyncAgentResponse(IteratorWrapper(planTask, fut), execInfo: planTask.execInfo)
}
这就像你在手机APP上订购一份外卖，可以实时看到"商家接单→厨师制作→骑手取餐→配送中→已送达"的全过程，而不是只能干等结果。
这里的关键是spawn表达式，它创建了一个新的工作线程来执行workFn函数，这样主线程就不会被阻塞。用生活中的例子来说，这就像你在餐厅点菜后，服务员会给你一个电子呼叫器，你可以去做其他事情，等菜好了会通知你。
5 workFn函数：异步工作的实际执行者
workFn函数是实际执行异步工作的地方，让我们仔细看看它的实现：
private func workFn(planTask: PlanTask): Iterator {
let agent = planTask.agent
let request = planTask.request
// Extract necessary knowledge
planTask.knowledge = knowledgeExtract(agent, request)
// Decompose the problem
let subtasks: Array = problemDecompose(agent, request)
planTask.subtasks = subtasks
if (request.verbose) {
let strBuilder = StringBuilder()
strBuilder.append("# The Plan
")
for (subtask in subtasks) {
strBuilder.append(subtask.toMarkdown())
strBuilder.append("
")
}
planTask.execInfo.verboseChannel.put(strBuilder.toString().withTag(ReactTag.PLAN))
}
// Solve each subtask
for (subtask in subtasks) {
if (request.verbose) {
planTask.execInfo.verboseChannel.put("Solve the subtask: ${subtask.name}".withTag(ReactTag.PLAN))
}
let worker = ReactWorker(planTask)
let asyncResp = worker.asyncSolve(subtask, verbose: request.verbose)
if (request.verbose) {
// Transfer the internal information from the react worker to this agent
for (data in asyncResp.execInfo.getOrThrow().verboseInfo) {
planTask.execInfo.verboseChannel.put(data)
}
}
subtask.result = asyncResp.content
if (request.verbose) {
planTask.execInfo.verboseChannel.put("# Subtask DONE!
${subtask.toMarkdown()}".withTag(ReactTag.INFO))
}
}
if (request.verbose) {
planTask.execInfo.verboseChannel.close()
}
// Summarize the result
return asyncResultSummarize(planTask)
}
让我们用一个建造乐高模型的例子来理解这个过程：
在这个过程中，最有价值的部分是用户可以看到计划和每个子任务的执行过程，这就是verbose模式的作用：
if (request.verbose) {
let strBuilder = StringBuilder()
strBuilder.append("# The Plan
")
for (subtask in subtasks) {
strBuilder.append(subtask.toMarkdown())
strBuilder.append("
")
}
planTask.execInfo.verboseChannel.put(strBuilder.toString().withTag(ReactTag.PLAN))
}
这段代码就像是向用户展示乐高说明书的全貌，让用户知道接下来会发生什么。然后在执行每个子任务时，不断更新进度：
if (request.verbose) {
planTask.execInfo.verboseChannel.put("Solve the subtask: ${subtask.name}".withTag(ReactTag.PLAN))
}
这就像是告诉用户"现在正在搭建城堡的塔楼部分"，让用户了解当前进度。
6 与其他执行器的对比
如果用餐厅来比喻三种执行器：
- NaiveExecutor：快餐店，直接点餐、直接出餐
- ReActExecutor：普通餐厅，厨师根据订单现做现卖
- PlanReactExecutor：高档餐厅，主厨先设计菜单，然后团队分工协作制作多道菜肴，最后组合成一顿完美的大餐
PlanReactExecutor最适合那些需要多步骤、多角度思考的复杂问题。
7 实际应用案例
案例一：学术研究助手
当用户请求研究神经网络的最新进展时，执行过程可能是：
案例二：旅行规划助手
想象一个用户想规划一次欧洲之旅：
用户: 请帮我规划一次为期7天的法国巴黎和意大利罗马的旅行，包括景点、住宿和交通。
使用PlanReactExecutor，执行过程可能是：
- 知识提取：了解用户想去巴黎和罗马，时间为7天
- 问题分解：
- 子任务1：规划巴黎部分的行程（3天）
- 子任务2：规划罗马部分的行程（3天）
- 子任务3：规划两地之间的交通（1天）
- 子任务4：提供住宿建议
- 子任务5：整合完整行程
- 执行每个子任务：分别解决每个子任务
- 汇总结果：生成完整的7天旅行计划
案例三：复杂数学问题求解
用户: 请求解下列方程组：
3x + 2y - z = 10
2x - 3y + 2z = -5
x + y + z = 7
使用PlanReactExecutor解决这个问题：
- 知识提取：确定这是一个三元一次方程组
- 问题分解：
- 子任务1：使用消元法消去z变量
- 子任务2：解出x和y的关系
- 子任务3：代回求解x、y、z的值
- 子任务4：验证结果是否正确
- 执行子任务：依次解决每个数学步骤
- 汇总结果：提供完整的解答和解释
8 核心组件深度解析
PlanReactExecutor不是独立工作的，它依赖几个核心组件：
-
knowledgeExtract：就像研究生开始论文前的文献综述，先了解相关知识
-
problemDecompose：就像建筑师在开工前绘制详细的施工图纸
-
ReactWorker：就像专业工人按照图纸完成具体工作
-
resultSummarize：就像编辑将多篇文章整合成一本完整的书
这些组件协同工作，使得PlanReactExecutor能够处理非常复杂的问题。
9 PlanReactExecutor的优势与局限
优势：
- 解决复杂问题：像专业律师处理复杂案件，有条不紊
- 思路清晰：用户可以看到完整的思考过程，增强可信度
- 结果全面：考虑问题的多个方面，不会遗漏重要内容
- 可追踪性：出现问题可以定位到具体哪个子任务
局限：
- 执行时间长：就像做一道复杂的菜肴，需要更多时间
- 资源消耗大：需要更多的API调用和计算资源
- 简单问题反而复杂化：用大炮打蚊子，对简单问题过度设计
10 何时选择PlanReactExecutor？
适合使用PlanReactExecutor的场景：
- 多步骤问题：如规划旅行、制定学习计划
- 需要多角度分析：如进行SWOT分析、评估风险
- 需要综合信息：如撰写研究报告、市场分析
- 组织创作内容：如写一本书的大纲、设计课程体系
不适合的场景：
- 简单问答：如"今天天气怎么样"
- 单一工具调用：如"计算123 + 456"
- 快速响应场景：如紧急情况下的决策
11 总结
PlanReactExecutor就像一位经验丰富的项目经理，能够将复杂问题分解为可管理的小任务，然后一步步解决，最终整合成完整的解决方案。在处理复杂问题时，它的表现远超简单的执行器。
当你的AI应用需要处理复杂的多步骤问题时，不妨考虑使用PlanReactExecutor，它将帮助你的Agent像专业团队一样有条不紊地解决问题。
