对比一下 ReAct 和 Plan-and-Execute 模式，什么场景选择使用，比如给出具体案例

ReAct和Plan-and-Execute是AI Agent两种主流的设计范式，核心区别在于“何时做规划”：

维度	ReAct 模式	Plan-and-Execute 模式
核心思路	边想边做。推理（Reason）→ 行动（Act）→ 观察（Observe）循环，每一步都根据上一步的结果动态决策。	先想后做。规划器（Planner）先生成完整执行计划，执行器（Executor）再严格按照计划逐步执行。
灵活性	极高。能灵活应对环境变化和意外结果，随时调整路径。	较低。计划一旦生成便固定，环境突变时可能失效。
可预测性/审计性	较低。执行路径动态变化，难以事前完全预测。	较高。步骤清晰、可控，便于审计、追溯和资源预估。
资源消耗	每步都需调用LLM推理，Token消耗可能较多。	仅需一次规划调用，但执行失败可能导致资源浪费。
适合场景	探索性、诊断性、不确定性高的任务。	流程固定、步骤间依赖明确、对审计性要求高的任务。

当任务的解决路径不清晰，需要“摸着石头过河”时，ReAct是更优解。它的优势在于适应性和探索能力。

具体案例：智能客服/故障排查
- 场景：用户报告“无法登录”，原因可能多种多样（密码错误、账号冻结、网络问题等）。
- ReAct 的执行过程：
  1. 推理 (Thought)：需要先确认账号状态。
  2. 行动 (Action)：调用查询账号状态工具。
  3. 观察 (Observation)：账号状态正常。
  4. 推理：账号没问题，可能是密码错误，尝试引导重置。
  5. 行动：调用发送重置链接工具。
其他典型场景：实时股票交易、动态信息检索、需要多步探索的研究分析。

当任务目标和流程相对明确，且执行顺序和安全性至关重要时，Plan-and-Execute模式更可靠。它的核心价值在于结构化和可控性。

具体案例：月度销售报告生成
- 场景：每月固定从三个系统拉数据、清洗、分析、生成图表并发送邮件。
- Plan-and-Execute 的执行过程：
  1. 规划 (Plan)：规划器生成计划——1. 从CRM拉销售数据；2. 从财务系统拉成本数据；3. 合并计算利润；4. 生成图表；5. 撰写报告；6. 发送邮件给管理层。
  2. 执行 (Execute)：执行器严格按照步骤顺序执行，每一步都清晰可查。
其他典型场景：自动化运维（先审核再执行）、批量数据处理、合规性审计流程。

你可以用一个简单问题来判断：在开始执行任务前，你能列出所有需要调用的工具和步骤吗？

在实际复杂项目中，二者也常被混合使用：先用Plan-and-Execute制定全局框架，在每个步骤内部用ReAct的循环机制来处理细节和异常，以达到兼顾全局与灵活性的效果。