基于大语言模子的规划

    虽然上下文学习和思维链提示方法情势上较为简洁且较为通用，但是在面对诸如几何数学求解、游戏、代码编程以及日常生活任务等复杂任务时仍然表现不佳。为相识决这类复杂任务，可以利用基于大语言模子的规划（Planning）。该方法的核心思想在于将复杂任务分解为多少相干联的子任务，并围绕这些子任务制定包含一系列实行动作（Action）的解决方案，从而将复杂任务的求解转换为一系列更为简单的子任务依次求解，进而简化了任务难度。
整体框架

    如下图所示，基于大语言模子的规划方法主要由三个组件构成，包罗任务规划器（TaskPlanner）、规划实行器（PlanExecutor）以及环境（Environment）。详细来说，大语言模子作为任务规划器，其主要职责是天生目标任务的解决方案。该方案包含一系列实行动作，每个动作通过合适的情势进行表达，比方自然语言描述或代码片段。对于恒久任务，任务规划器还可以引入存储机制，用于解决方案与中间实行效果的存储与检索。规划实行器则负责实行解决方案中所涉及到的动作。根据任务性质的不同，规划实行器可以由大语言模子实现，也可以由实行详细物理任务的实体（如机器人）来实现。环境是规划实行器实施动作的详细场景，不同任务对应着不同的实行环境，比方Web互联