跳转至

ReWOO：把推理计划与工具观察解耦

ReWOO 先一次性生成带依赖的完整计划，再由 Worker 执行工具，最后由 Solver 汇总； 避免 ReAct 每一步都把不断增长的 observation 送回 Planner。

论文信息

字段 内容
论文链接 ReWOO: Decoupling Reasoning from Observations for Efficient Augmented Language Models
公司 / 机构 Microsoft Research / North Carolina State University / Texas A&M University
首次公开日期 2023-05-29
原作者代码 已开源：billxbf/ReWOO
本地 adapter / CLI key rewoo
本地复现代码 src/auto_research/agent_research/

原始论文总结

背景与主要改动

ReAct 在每次工具返回后重新调用 LLM，token 和推理成本随轨迹增长。ReWOO 的 Planner 用变量引用写出完整多步计划，Worker 只负责填入工具证据，Solver 最后读取计划与证据 生成答案，因此 Planner 不被中间观察反复打断。

flowchart LR
    X["任务"] --> P["Planner：完整 E#/P# 计划"]
    P --> W1["Worker 工具 1"]
    P --> W2["Worker 工具 2"]
    W1 --> E["证据表"]
    W2 --> E
    P --> S["Solver"]
    E --> S
    S --> O["答案"]

原论文关键图

ReWOO：把推理计划与工具观察解耦 原论文 Figure 1

原论文 Figure 1（关键图）：展示原论文的整体流程、关键阶段及其数据流向。图片来自原论文，版权归原作者所有；点击图片可查看来源。

核心公式

\[ P=\{(E_i,T_i,a_i(E_{<i}))\}_{i=1}^{n},\qquad e_i=T_i(a_i(e_{<i})),\qquad y=S(x,P,e_{1:n}). \]

论文离线与线上效果

论文报告约 5 倍 token efficiency，并在 HotpotQA 上相对基线提升约 4 个百分点，还展示 将 Planner 从 175B 模型卸载到 7B 模型的可行性；没有生产线上 A/B 实验。

本地复现

PlanBench mini 固定 120 episodes：joint success 1.0000、平均成本 3.5000， 生成 120 份完整计划并执行 360 次 worker/tool action。

auto-research agent-eval --method rewoo \
  --benchmark planbench-mini --episodes 120 --seed 42

稳定指标： classic-agent-mini-suites-seed42.json。

复现边界

实现 Planner/Worker/Solver 解耦、显式依赖与证据汇总；本地没有真实搜索 API 和多尺寸 LLM，因此只验证控制流与调用计数，不复刻 HotpotQA 的语言生成分数。