TL;DR
Planning Commitment — это выбор, насколько далеко агент планирует, пока не знает часть фактов. Есть два полюса. Консервативный агент опирается только на то, что уже увидел, и идёт шаг за шагом: узнал новое, спланировал следующий кусок. Агрессивный агент достраивает недостающее предположениями, сразу пишет весь план до цели и перепланирует только после сбоя.
Главная находка: точность у обеих стратегий почти одинаковая, разница в цене. Агрессивный агент заметно чаще ошибается по дороге. Экономит он только тогда, когда у него есть хорошие подсказки: надёжная статистика («в 86% случаев так») или здравый смысл, который модель знает из обучения. Без подсказок он угадывает вслепую, промахивается, и выгода по числу запросов почти исчезает. Ещё одна неприятность: модель принимает данные подсказки почти за факт. Чем выше названный процент, тем сильнее она на него опирается. Если подсказка неверна, ошибки будут массовыми.
Метод — выбор режима под цену ошибки плюс гибрид. Нет подсказок или ошибка дорогая — иди консервативно. Подсказки надёжные и ошибку легко откатить — планируй агрессивно. Нужен компромисс — начни агрессивно и после N неудач переключись на пошаговый режим.
Схема метода
РЕЖИМ A (консервативный): опираться ТОЛЬКО на увиденное
→ план до ближайшей подцели → выполнить → новые факты → следующий кусок
РЕЖИМ B (агрессивный): недостающее заполнить предположениями
→ план сразу до цели → выполнять → при отказе перепланировать с текущего места
ГИБРИД (fixed): старт в режиме B
→ после N неудач переключиться на режим A
ВЫБОР РЕЖИМА:
нет надёжных подсказок ИЛИ ошибка дорогая/необратимая → A
подсказки надёжны И ошибка дешёвая/обратимая → B
не уверен → гибрид
Всё можно записать в одном системном промпте или файле инструкций агента.
Пример применения
Задача: Вы запускаете Claude Code в чужом репозитории интернет-магазина. Нужно починить упавшую сборку. Структуру проекта вы знаете частично, а ошибка дешёвая: всё идёт в локальной ветке, откатить можно одной командой. Это сильная зона агрессивного режима с подстраховкой.
Промпт:
Ты чинишь упавшую сборку в незнакомом репозитории. Структуру проекта ты
видишь не целиком.
Известные подсказки (проверены командой, надёжны):
- Тесты лежат в tests/, бизнес-логика в app/services/.
- Зависимости фиксируются в requirements.txt.
Режим работы — ГИБРИД:
1. Сначала работай АГРЕССИВНО: недостающие факты заполни разумными
предположениями (опираясь на подсказки и типовые проекты) и сразу
составь план до конца: от запуска сборки до зелёных тестов.
Помечай каждое предположение как [ПРЕДПОЛОЖЕНИЕ].
2. Если действие отклонено или команда упала — перепланируй с текущего
состояния, не начинай заново. Считай такие падения.
3. После 2 неудач переключись на КОНСЕРВАТИВНЫЙ режим: опирайся только на
то, что видел сам (вывод команд, содержимое файлов). Не предполагай.
Планируй только до ближайшей подцели (например, «открыть файл X и
посмотреть»), выполни её и только потом планируй дальше.
Ничего не удаляй и не пушь без моего подтверждения.
Результат: Агент сначала выдаст длинный план с пометками [ПРЕДПОЛОЖЕНИЕ] у каждого допущения. После двух сбоев он явно сообщит о переходе в пошаговый режим и начнёт действовать мелкими проверяемыми шагами: посмотрел, затем сделал следующий. В итоге вы получите либо починенную сборку, либо чёткий список того, что агент реально увидел, и того, что он только предполагал.
Почему это работает
Слабость. Если фактов не хватает, а модель всё равно строит длинный план, она достраивает пробелы догадками. Одна неверная догадка в начале ломает весь хвост плана. А если агент всё проверяет шаг за шагом, он надёжен, но делает много лишних запросов и тратит время. Универсально хорошего режима нет.
Сильная сторона. У LLM есть здравый смысл из обучения: например, где обычно лежат кастрюли и куда ведут двери. Когда догадки модели совпадают с реальностью, длинный план экономит много вызовов (в статье порядка 40%). Модель также отлично следует явным подсказкам, даже слишком: принимает их почти за факт.
Как метод это использует. Он соединяет два свойства. Хорошие подсказки превращают догадки в почти верные, и тогда агрессивный план выгоден. Без подсказок или при высокой цене ошибки включается пошаговый режим, где догадок нет. Гибрид берёт дешёвый старт и страхуется порогом неудач.
Рычаги управления:
- Порог N неудач (когда переключаться): меньше N — безопаснее, больше N — экономнее.
- Пометка [ПРЕДПОЛОЖЕНИЕ]: убери — не будет видно, где агент угадывал.
- Формулировка подсказок: «86%» модель читает почти как «всегда». Если подсказка может быть неверной, пиши об этом прямо.
- Размер подцели в консервативном режиме: «один шаг» — максимум контроля, «до ближайшей развилки» — меньше запросов.
Шаблон промпта
Это реконструкция по описанию режимов в статье. Дословные промпты авторов лежат в приложении, в тексте их нет.
Ты — агент, который решает задачу: {задача}.
Часть фактов о среде тебе неизвестна. Они откроются только по ходу действий.
Известные факты:
{известные_факты}
Подсказки о том, чего ты не видишь (могут быть неточны):
{подсказки_или_«нет»}
РЕЖИМ РАБОТЫ: {АГРЕССИВНЫЙ | КОНСЕРВАТИВНЫЙ | ГИБРИД}
АГРЕССИВНЫЙ:
- Каждый недостающий факт заполни предполагаемым значением (из подсказок
или здравого смысла) и составь полный план до цели.
- Помечай каждое допущение как [ПРЕДПОЛОЖЕНИЕ].
- Перепланируй только когда действие отклонено. Перепланируй с текущего
состояния, не с нуля.
КОНСЕРВАТИВНЫЙ:
- Используй только факты из условий и наблюдений. Подсказки игнорируй.
- Цель обычно недостижима по известным фактам, поэтому планируй до
ближайшей подцели (например, «разведать {неизвестное}»).
- Выполни подцель, получи новые факты и только потом планируй дальше.
ГИБРИД:
- Начни в АГРЕССИВНОМ режиме.
- После {N} неудачных действий переключись в КОНСЕРВАТИВНЫЙ режим и сообщи
об этом.
Формат каждого раунда:
1. Что известно наверняка
2. Что предполагаю (если режим допускает)
3. План на этот раунд
4. Действие
{ограничения_безопасности}
Что подставлять: {задача} — цель агента; {известные_факты} — что точно известно; {подсказки_или_«нет»} — статистика или опыт команды (если нет, пиши «нет»); {N} — порог неудач (разумно 2–3); {ограничения_безопасности} — например, «ничего не удаляй без подтверждения».
🚀 Быстрый старт — вставь в чат:
Вот шаблон гибридного режима планирования для агента. Адаптируй под мою
задачу: [твоя задача]. Задавай вопросы, чтобы заполнить поля.
[вставить шаблон выше]
LLM спросит, что тебе точно известно, что неизвестно, насколько надёжны подсказки и сколько стоит ошибка (откатить легко или нет). От этого зависит выбор режима и порог N. Она возьмёт структуру из шаблона и соберёт готовую инструкцию.
Ограничения
⚠️ Игрушечные среды: Проверяли на поиске монеты в сетке комнат и на перемещении предметов по дому в текстовом симуляторе. Перенос на реальные рабочие задачи агента — это ваша проверка, а не результат статьи.
⚠️ Подсказки всегда были верными: Авторы давали только точную статистику. Что будет при неверных подсказках, они не тестировали. Но сами показали, что модель опирается на подсказки почти как на факты, так что риск реальный.
⚠️ Без подсказок агрессивность не окупается: Экономия запросов небольшая, а ошибок намного больше. Если надёжных данных нет, лучше идти пошагово.
⚠️ Гибрид не всегда лучше: В части случаев гибридный формализатор ошибался даже чаще обоих крайних режимов. Причины: модель теряла текущее положение агента в описании и повторяла выдуманные связи из подсказок.
⚠️ Часть метода требует кода: Вариант с PDDL-формализатором (модель пишет формальное описание задачи, а внешний решатель считает план) нужен инженерам. В чате применим только вариант, где планирует сама модель.
⚠️ Консервативный режим не получал подсказок: Авторы сравнивали два полюса. Промежуточный вариант «пошагово, но с подсказками» они оставили на будущее.
Как исследовали
Исследователи взяли два текстовых мира. В первом, Coin Collector, нужно найти монету в сетке из девяти комнат, а связи между комнатами скрыты. Модель получала либо точную статистику («86% случаев комната 2 восточнее комнаты 1»), либо ничего. Во втором, ALFWorld, нужно переложить предмет по дому, и здесь модели помогал только здравый смысл. По 100 задач на каждый домен.
Сравнивали четыре комбинации: планировщик (пишет действия сам) и формализатор (пишет PDDL, а внешний решатель считает план), каждый в агрессивном и консервативном вариантах. Базой служили известные подходы: ReAct для консервативного планировщика и Plan-and-Act для агрессивного. Агрессивного формализатора авторы придумали сами. Тестировали три модели: Gemini-3-Flash, DeepSeek-Flash и Qwen3.8-27B. Считали точность, число неудачных попыток, вызовов API и выходных токенов.
Результат неожиданно прозаичный: точность почти одинаковая. Консервативные методы дают гораздо меньше неудачных попыток. Агрессивные с подсказками экономят около 40% вызовов. Без подсказок агрессивные ошибаются много, а экономят мало: догадки в основном неверны.
Авторы отдельно проверили, действительно ли консервативный агент ничего не придумывает. Да: почти ни одной связи не из наблюдений, тогда как в агрессивных планах недостающие данные встречались в более чем половине случаев. Ещё один неожиданный результат: чем выше процент в подсказке, тем охотнее модель ей верит. Практический вывод: выбирайте режим по двум ценам, цене вызова и цене ошибки.
Адаптации и экстраполяции
Это мои идеи, авторы их не проверяли.
🔧 Техника: пометка надёжности в подсказках → меньше слепой веры
Вместо «в 86% случаев тесты лежат в tests/» пиши:
Подсказка (надёжность: средняя, проверь при первой возможности): тесты обычно в tests/.Идея в том, чтобы остановить эффект «подсказка = факт», который описан в статье. Сработает ли это, не проверено.
🔧 Техника: условие переключения по типу ошибки → гибрид точнее
Вместо «после N неудач» используй «после первой необратимой ошибки или двух подряд одинаковых — переключись на пошаговый режим». Это замена счётчика на условие из ваших реалий.
Экстраполяция: цена ошибки в начале системного промпта агента.
Перед началом работы оцени цену ошибки:
- Действие обратимо (локальная ветка, черновик, тестовая среда) → гибрид,
порог 3 неудачи.
- Действие необратимо (прод, удаление, оплата, рассылка клиентам) →
КОНСЕРВАТИВНЫЙ режим, только факты из наблюдений, подтверждение у меня
перед каждым шагом.
Если не уверен — задай мне вопрос и не действуй.
Ресурсы
- Работа: Planning Commitment of LLM under Partial Observability
- Авторы: Cassie Huang, Zhanwei Cao, Yeawon Lee, Nathalia Gomez, Zhuoyi Yang, Ian G. Harris, Tiffany Do, Jiayuan Mao, Li Zhang
- Университеты: Drexel University, Northeastern University, University of California Irvine, University of Pennsylvania
- Упомянутые подходы: ReAct (Yao et al., 2023), Plan-and-Act (Erdogan et al., 2025), PDDLego+ (Gong et al., 2026); среды Coin Collector и ALFWorld