Plan-and-Solve
先规划后执行——零样本地先制定分步计划，再逐步求解。
模型侧背景，取自 Plan-and-Solve 原论文（Wang et al., 2023，arXiv:2305.04091v3，“Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Thought Reasoning by Large Language Models”，ACL 2023）。
方法
论文的出发点是给 zero-shot CoT（就是在问题后加一句“Let’s think step by step”）做体检。作者在 100 道算术题上人工归因，发现它的错误分三类：计算错误（7%）、漏步错误（12%）、语义理解错误（27%）。
Plan-and-Solve（PS）只改那句 trigger，不加示例、不改权重：把“Let’s think step by step”换成 “先理解问题并制定一个计划，然后按计划逐步求解”。它由两个部分构成——先规划（把任务拆成有序子任务），再执行（依 计划逐一完成）。这一改动针对的是漏步错误：在动手前先把结构定下来，模型就不容易在多步问题里漏掉中间步。
增强版 PS+ 在 trigger 里再追加两条更细的指令——“提取相关变量与对应数值”和“计算中间结果（注意计算与常识）”—— 针对的是计算错误。（占比最大的语义理解错误，PS/PS+ 并没有直接处理。）全程零样本、贪心解码、单条推理链，末尾再用一个 “Therefore, the answer (arabic numerals) is”式的抽取提示把最终答案取出。
本质：把“计划”外置成显式的第一步
PS 的机制不神秘——它只是把人做难题时“先列步骤、再动手”的习惯，写进了 trigger。但论文有一个消融把功劳定位得很准：如果 只加“提取变量与数值”这条指令、却不加“制定计划”，效果反而比原始 zero-shot CoT 更差；只有把“规划”这一步也放进去， 准确率才上来。换句话说，起作用的活性成分是“先规划”本身，而不是那些更细的算术指令——后者是锦上添花。
这与 CoT 的教训同源：改善推理靠的是让输出结构更显式（这里是“计划先行”）， 而非给模型更多提示词或算力。
论文与实验结果
- 设置：10 个数据集、三类推理——算术 6 个（GSM8K、SVAMP、MultiArith、AddSub、AQuA、SingleEq）、常识 2 个（CSQA、 StrategyQA）、符号 2 个（Last Letter、Coin Flip）；基座 GPT-3（text-davinci-003），贪心解码；对照零样本 CoT、零样本 Program-of-Thought（PoT），以及少样本 Manual-CoT（8-shot）与 Auto-CoT。
- 算术（6 个数据集平均）：Zero-shot-CoT 70.4 → PS 72.9 → PS+ 76.7；已逼近少样本的 Manual-CoT（77.6）与 Auto-CoT（75.9）——在个别数据集上甚至反超。PS+ 相对 Zero-shot-CoT 在除 GSM8K 外的算术集上均 ≥ +5%（GSM8K 因语言 更复杂只 +2.9%），并在 6 个算术集里的 5 个超过 zero-shot PoT。
- 常识 / 符号：PS+ 稳超 Zero-shot-CoT（CSQA 71.9 vs 65.2、StrategyQA 65.4 vs 63.8）；符号 Last Letters 上 PS+ 75.2 甚至 超过 Manual-CoT 的 70.6，Coin Flip 99.6 仅略低于 Manual-CoT 的 100。
- 贡献：证明仅靠“先规划后执行”这一句零样本提示结构，就能显著改善多步推理，无需任何人工示例——零样本提示因此有可能与 少样本 CoT 一较高下。
局限
- 最大的错误来源没被解决：PS 针对漏步、PS+ 针对计算，但占比最高的语义理解错误（27%）基本没触及——它受模型本身理解 能力约束，改 prompt 结构解决不了。
- 单条链、无搜索无重试无外部反馈：收益上限受此约束；对特别困难的任务，规划本身也可能出错而无从纠正（这正是 LATS 引入树搜索、Reflexion 引入重试的动机）。
- 零样本仍略逊最强少样本：算术平均 PS+（76.7）仍低于 Manual-CoT（77.6），常识上也低于 Manual-CoT。
- 评测基座为 GPT-3 时代模型，更强模型上的边际收益可能收窄。
对 agent 设计的价值
PS 展示了最轻量的“先规划后执行”结构：不需搜索、不需多次尝试、不需额外工具，仅靠把 trigger 改成“先计划、再执行”就改善 多步任务可靠性。可迁移原则：