逐词预测在写下第一步时，并不计算第五步的后果；默认沿一条高概率路径往下写，写错了也不会主动回到出错处。看起来像「第一步、第二步」的文字，多半是语言模式，不是内部在搜任务树。规划补前瞻，推理补深度，反思补回溯。三件事不要塞进同一次调用，每次只承担一种职责。

边走边看最常用：一步一观察，应变强，但没有全局视野，长了会在死胡同里走很远。上下文每步累积，词消耗近似平方，超过七八步就该换「先计划再执行」：一次给出带依赖的步骤表，按拓扑执行，中途发现计划作废再重规划。步骤数卡在三到七往往最有效，少于三步多半不该上规划器，多于七步多半切得太碎。需要探索多解、且结果可评分时，才值得付五到十倍代价做树搜索；错误代价够高、有编译或测试当裁判、解空间够宽，三个条件要同时满足。跨粒度的大项目才用递归分解，层间传多了撑爆上层，传少了下层丢约束。

推理增强里，「逐步想」对数学和逻辑常见有一到三成提升，对纯分类和情感识别可能有害。同一题独立采样多次再投票，适合错误很贵的关键动作。推理模型出现后，更划算的分法常常是：贵模型做一次高质量规划，便宜模型逐步执行。反思必须结构化：根因、下一步、接受或重试或升级，外加预计改善幅度。连续两轮改善不到一成，再试也是同一错的换一种说法。能跑测试、能看接口状态码，就不要用模型给自己打分——生成和自评常常共享同一套盲点。

落地清单

• 计划用结构化输出，动作枚举化，下游才能消费。
• 简单查询跳过反思。关键节点、不可逆操作前再开。
• 反思用小模型加固定字段，不要每步都上旗舰模型。
• 从边走边看起步，步数稳定超过七、中途重规划过频、单窗口装不下时，再升级形态。

换更大的底座会让单步更稳，但规划深度和根因分析不会自动出现。脚手架在提示词、输出契约、终止条件和外部信号上，不在参数量上。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源