Gemini 的 Orchestrator 模式拆解：规划与执行双模型接力
如果你在用 Cursor 或 Claude Code 这类 ReAct 式 Agent，经常遇到改一半方向跑偏、账单越跑越贵，可以看看 Gemini 这套 Planner-Executor 双模型接力怎么解决的。文章把规划蓝图怎么写、报错怎么回交、Swarm 怎么并行都讲清楚了，写多智能体工作流的人可以直接抄架构思路。
Gemini 的 Orchestrator 模式把单次对话拆成 Planner 与 Executor 两个阶段，由不同模型接力完成，不再靠同一个模型从头跑到尾。传统 ReAct 单体模式在复杂工程里有三个痛点：思维与行动耦合容易留下半成品代码、旗舰推理模型全程跑造成 Token 成本与延迟浪费、长链路几十轮工具调用后上下文注意力退化。Planner 阶段由旗舰强模型负责消除歧义、产出精确到文件路径与验证命令的执行蓝图，并设定 Re-plan if 触发条件；Executor 阶段则自动切换到速度更快、成本更低的模型，严格按计划改代码、跑测试，不做未授权架构变更。
执行中遇到未预料报错会回交给 Planner，对比实际进展与原计划修正后再派发。除了纵向大小模型接力，Orchestrator 还横向调度子智能体：research 在只读沙箱做代码调研避免污染主上下文，browser 专职页面交互与 UI 验证；Swarm 模式通过共享消息板与独立工作区副本编排多个 Worker 并行开发和交叉验证。它适合跨文件重构、复杂 Bug 排查这类需要先理清调用链再动手的场景。当前限制是 Orchestrator 的推理配置固定，不能手动调整 effort。
研究了下Gemini 这个 Orchestrator 模式，这个应该是一个趋势：核心是一套“双阶段、高低模型接力（Plan & Execute）”与“多智能体协同调度”的架构模式。
在这个模式下，单次对话不再由同一个模型从头跑到尾，而是拆分为 规划（Planner） 与 执行（Executor） 两个阶段，由不同特性的模型接力完成
为什么要用 Orchestrator 模式？ 在 AI Agent 架构演进中，传统的 ReAct 单体模式（一个大模型边想边改、循环调用工具）在复杂工程中容易出现三个痛点，而 Orchestrator 模式正好针对性解决
痛点一：思维与行动耦合：边看代码边动手改，容易改到一半发现方向错了，留下半成品脏代码
痛点二： Token 成本与延迟：全程使用昂贵、缓慢的旗舰推理模型去干“机械改代码、跑 Lint”的活
痛点三： 长链路注意力退化：工具调用几十轮后，上下文塞满报错日志，模型开始偏离最初目标
阶段一：Planning Turn（规划回合 —— 旗舰强模型） 核心职责值得学习，通常是给蓝图，纠偏干活的模型： 1️⃣ 消除歧义，做完所有架构、API 和边界条件决策。 2️⃣产出一份“保姆级”执行蓝图：精确到要修改的文件路径、函数/符号名、具体改动逻辑、验证命令及预期输出。 3️⃣设定 Re-plan if（重规划触发条件）：明确告诉执行模型“如果遇到哪些迹象说明计划有误，立即停手回交，不要自行发挥”。 快速分流：如果只是问答、架构讨论或代码审查（不涉及文件改动），Planner 会直接回答你，不会启动第二阶段。
阶段二：Execution Turn（执行回合 —— 高速高性价比模型） 无缝接管：Planner 完成规划后移交控制权，底层自动切换到速度更快、成本更低的执行模型，它能看到完整对话上下文和刚刚制定的计划。 核心职责：严格按照计划写代码、改文件、运行测试，不做未授权的架构变更。
阶段三：Review & Hand-back（审查与回交闭环） 如果执行过程中遇到未预料的报错，报告回交给 Planner。 Planner 对比实际进展与原计划，修正方案后再派发剩余步骤。
横向扩展：Subagents（子智能体）与 Swarm（集群模式） 除了纵向的“大小模型接力”，Orchestrator 还会根据任务性质横向调度子智能体：
research：在独立只读沙箱中做大规模代码调研，避免污染主对话上下文。 browser：专门操控内置浏览器进行页面交互与 UI 验证。 Swarm（/teamwork）：当任务可以拆分为多个并行模块时，通过共享消息板（Message Board）与独立工作区副本（share / branch），编排多个 Worker 并行开发与交叉验证。
非常适合的场景： 跨文件功能开发与重构：需要先理清调用链、接口契约，再批量修改多个模块。 复杂 Bug 排查：需要先只读分析日志、复现路径、定位根因，再精准修复并补充单测。 需求存在多选一设计：Planner 会在规划阶段
Orchestrator 的推理配置固定，不能再手动调整 effort
This report is categorized under AITOP's "How-to" desk, focusing on US frontier AI labs and Silicon Valley technology leaders. Within our cross-regional analytical framework, it directly maps to AI developer toolchains, coding agents, and engineering workflows. Key entities and technical topics under continuous tracking include Gemini, Orchestrator, ReAct, agents.
Source attribution: curated from 岚叔 (@lufzzliz).
