大型語言模型規劃（LLM planning）

大型語言模型規劃是代理「向前看」的行為：在執行之前或執行的同時，把高層目標轉成一組有序的子任務或動作。模型不是一步步貪婪地反應，而是先草擬一條路線——先做這個、再做那個、然後驗證——正如你在動手前先勾勒一份食譜或一趟旅程的步驟。計畫給了代理結構、一種追蹤進度的方式，以及當現實反推時可供修訂的對象。

做法從提示模型用自然語言給出計畫（先規劃再求解、分解式提示），到把目標翻譯成某種形式表示，再由代理執行或交給古典規劃器。計畫可以是靜態的（一開始就一次生成），也可以是動態並與執行交錯，由觀察觸發重新規劃。混合式做法把語言模型與顯式搜尋、或與 PDDL 求解器之類的符號規劃器耦合：用模型提議動作，用規劃器保證一條有效、能達成目標的序列。

語言模型擅長提出貌似合理、合乎常識的計畫，卻欠缺古典規劃所給的保證：它們可能略過前置條件、假設動作必定成功，或產出實際上無法相互銜接的步驟。因此穩健的代理把計畫當成「可修訂的假設」——逐步執行、對照觀察檢查、失敗時重新規劃——而非一份照單盲從的正確排程。