为什么行程规划智能体要用Plan-and-Exucute？

while not done:
    thought = LLM.reason(observation)
    action = LLM.decide(thought)
    observation = execute(action)

plan = LLM.plan(task)                    # 阶段一：规划（开启深度思考）
for subtask in plan:
    result = ReAct.execute(subtask)      # 阶段二：执行（关闭深度思考，快速调工具）
    if result.needs_revision:
        plan = LLM.revise(plan, result)  # 可以修订计划
summary = LLM.summarize(results)         # 阶段三：总结（重新开启深度思考）

// ItineraryPlanAgent.java 核心代码
PlanNotebook planNotebook = PlanNotebook.builder()
        .needUserConfirm(false)   // 子任务推进无需用户确认
        .build();

// 注册变化钩子：计划状态变化时实时推送给前端
planNotebook.addChangeHook("plan_progress_notifier",
        (nb, plan) -> progressNotifierHook.sendPlanUpdate(capturedSessionId, plan));

// 把 PlanNotebook 挂载到 Agent
ReActAgent agent = ReActAgent.builder()
        .planNotebook(planNotebook)
        // ...
        .build();

ItineraryPlanAgent 收到任务："规划上海到杭州出差"

[规划阶段 - 深度思考开启]
  LLM 调用 create_plan → 生成计划：
    1. 查询已审批差旅单获取约束条件
    2. 召回用户偏好 + 查询差旅政策
    3. 搜索去程/返程交通 + 酒店候选
    4. 对候选打偏好分并调用 plan_itinerary 生成方案
    5. 委托审核子智能体做五维审核
    6. 根据审核结果决定是否修复
    7. 输出最终方案

[执行阶段 - 深度思考关闭，快速工具调用]
  子任务1: update_subtask_state(1, IN_PROGRESS)
           → 调用 query_travel_order(status="APPROVED")
           → finish_subtask(1)

  子任务2: update_subtask_state(2, IN_PROGRESS)
           → 调用 retrieve_from_memory 召回偏好
           → 调用 query_travel_policy 查政策
           → finish_subtask(2)

  子任务3: update_subtask_state(3, IN_PROGRESS)
           → 调用 load_skill_through_path 加载搜索技能
           → 调用 execute_shell_command 搜机票
           → 调用 execute_shell_command 搜酒店
           → finish_subtask(3)

  子任务4: update_subtask_state(4, IN_PROGRESS)
           → LLM 对候选打偏好分（纯推理，无工具调用）
           → 调用 plan_itinerary（确定性计算引擎）
           → finish_subtask(4)

  子任务5: update_subtask_state(5, IN_PROGRESS)
           → 调用 itinerary_review_agent 子智能体
           → finish_subtask(5)

  子任务6: 审核发现方案2超预算
           → revise_current_plan 添加修复步骤
           → 重新调用 plan_itinerary + 审核
           → finish_subtask(6)

  子任务7: finish_plan → 输出 Markdown 方案

[总结阶段 - 深度思考重新开启]
  LLM 整合所有方案 + 审核结果 → 输出最终 Markdown

public class PlanAwareThinkingHook implements Hook {

    private final PlanNotebook planNotebook;
    private final int thinkingBudget;  // 2048 tokens

    @Override
    public <T extends HookEvent> Mono<T> onEvent(T event) {
        switch (event) {
            case PreReasoningEvent e -> handleReasoning(e);
            case PreSummaryEvent e -> enableThinking(e);  // 总结阶段开启
            default -> {}
        }
        return Mono.just(event);
    }

    private void handleReasoning(PreReasoningEvent event) {
        if (isPlanning()) {
            // 规划阶段：保持深度思考（默认行为，什么都不做）
        } else {
            // 执行阶段：关闭思考，快速执行
            disableThinking(event);
        }
    }

    // 判断逻辑极其简单：计划还没创建 = 还在规划阶段
    private boolean isPlanning() {
        return planNotebook.getCurrentPlan() == null;
    }
}

@Tool(name = "plan_itinerary",
      description = "往返行程规划客观计算引擎：输入候选交通/酒店 + 你（LLM）预先产出的偏好分，"
                  + "在内存里做去×住×返组合、过滤非法组合、算总价/总耗时并归一化、做 policy 软约束检查、"
                  + "按三维权重算综合分，选出 4 类代表方案...")

ItineraryReviewAgent 返回审核结果：
  - 方案2 ❌ 未通过：总价超预算，去程公务舱超政策标准

ItineraryPlanAgent 判断需要修复：
  → 调用 revise_current_plan：在计划中插入"修复步骤"
  → 从 candidates 中剔除违规选项
  → 重新打分
  → 重新调用 plan_itinerary
  → 重新审核
  → 最多2轮修复