摘要： Agent LATS（Language Agent Tree Search）是一种人机协同规划策略，通过六步流程（选择、扩展、评估、模拟、回溯、反思）动态生成决策方案，适合复杂任务的规划探索。与CoT、ReAct等方案相比，LATS兼具推理、行动、规划和反思能力，支持外部记忆，但存在成本高、记忆噪声等问题。其核心是通过LLM模拟多路径可能性，结合人工干预（目标设定、分支剪裁）实现高效迭代。