AI Agent的规划能力是实现智能决策的核心。从早期依赖外部工作流的硬编码方式，到如今模型原生规划的端到端优化，技术演进路径清晰可见。本文将通过详细的对比、生动的类比和实际场景分析，带你全面掌握这四种实现方式的原理、优缺点及适用场景。

一、传统工作流规划：外部引导的两条路径

在o1将多步推理能力内化到模型之前，Agent规划的实现主要依赖开发者在外部搭建的工作流。根据工作流的构建方式，可以分为“硬”和“软”两种模式。

[1] 硬工作流: 系统流程

类似扣子、Dify等低代码平台，由开发者根据预设任务逻辑，搭建一个包含分支、判断条件的固定流程图。模型是被动的执行器，完全遵从预设好的硬编码流程，在指定节点执行某个具体任务。