プランニング

戦略の選択とモニタリングを含む、推論プロセスそのものについての高次の推論

ドメイン知識を用いて、複雑なタスクをより単純なタスクの階層的に構造化されたネットワークへと分解する自動プランニング手法

複雑な多段階プロセスのための、体系的なタスク分解、進捗追跡、そして適応的なワークフロー管理

複雑な目標を、明確な成功基準を備えた達成可能で測定可能なサブ目標へと体系的に分解すること

目的を最適化しつつ、複数の制約を同時に満たすプランニング手法

起こりうるさまざまな未来と不確実な状況に備える、複数シナリオによるプランニング

ツールの観測結果から切り離して、計画全体またはツール呼び出しのグラフをあらかじめ生成し、その後にはじめて実行します。ReWOO は何も実行する前に変数でパラメータ化されたツール呼び出しの連鎖を書き出し、冗長なモデル呼び出しを削減します。LLMCompiler は依存関係の DAG を構築し、独立したツール呼び出しを並列にディスパッチします。これは、思考とアクションを一つずつ交互に行い、すべての観測結果をプロンプトに再投入する ReAct とは異なります。

エージェントは、明示的で編集可能な TODO または計画のアーティファクト（たとえば write_todos ツール呼び出しや todo.md ファイル）を保持し、作業の進行に合わせて絶えず書き換えて復唱します。変化していく計画をコンテキストウィンドウの末尾に再出力することで、各ステップでモデルの直近の注意に全体目標を押し戻し、長時間の実行にわたる目標のドリフトや「中間部分の見落とし（lost in the middle）」による忘却を防ぎます。

エージェントは、各候補アクションの次の状態と結果を予測する世界モデルを保持する（あるいは LLM 自体を世界モデルとして用いる）とともに、実環境で何かを実行する前に先読みのロールアウト（「行動する前に想像する」）を走らせてアクションを評価・選択します。これはモデルベース強化学習を言語エージェントへ拡張したものであり、アクションが不可逆で、稼働中のウェブサイトや GUI 上で後戻りが不可能な場面で最も重要になります。複数の戦略的な未来を、行動と結果のシミュレーターなしで推論する scenario-planning とは異なり、また、シミュレートされた環境状態ではなく推論トレースを探索する reflective-mcts とも異なります。