聊天派：只说不做(是agent？)

检索派：不仅说还可以查，相关技术RAG

工具派：通过mcp协议借助工具解决问题，存在系统安全问题

规划派：每个任务先规划，但是想的可能比做的好

工作流派：有每步的固定流程，不够灵活，但也不易越界（工作流设计？？）

协作派：多智能体，专职、分工，token消耗高，干活甩锅

记忆派（Memory-Augmented Agent） ：agent 具备某种持续记忆机制，而不只是依赖当前上下文窗口，eg：gemini

自治派：自己从头到位做反复循环。

总结一个agent或许修炼上面多个门派，技多不压身，问题在于专精哪里。

并没有哪一派是最强的，还是要具体问题，具体分析；

eg：

简单任务：工作流派、工具派最实用

知识问答：检索派更靠谱

复杂开放任务：规划派、协作派更有潜力

高风险任务：自治派最该被拴着

聊天->检索

模型的知识取决于训练结束前的知识，陈旧的知识+硬答，产生幻觉，这时引入RAG检索从构建的知识库里检索相关（与question 相关），再去回答用户。

聊天/聊天+检索 ->工具

接入了实际操作本身，从说到执行。

工具->规划

解决工具调用混乱的问题，任务拆分问题。附带错误恢复功能（git）

协作派：

单个agent上下文紊乱（内容太多时），复杂任务引入多agent

AI建议：

看论文，我建议你直接判断作者在解决哪一个矛盾

知识接入问题 → RAG

外部操作问题 → tool use

多步决策问题 → planning ReAct reflection

协作与扩展问题 → multi-agent

长期任务问题 → autonomous agents

谁解决哪个痛点，门派就归哪边。

口诀：聊天派会说，检索派会查，工具派会做，规划派会拆，工作流派会守规矩，记忆派会记事，协作派会摇人，自治派会自己乱跑。

这句不够优雅，但非常耐用。