Agentic patterns — ReAct, Plan-and-Execute, Reflexion w polskich wdrożeniach

Agentic patterns to dziś nie ezoteryczna teoria, tylko codzienność polskich zespołów wdrażających AI. Po 23 produkcyjnych wdrożeniach RedAI mamy mapę: gdzie ReAct, gdzie Plan-and-Execute, gdzie Reflexion. Ten artykuł to przewodnik decyzyjny z konkretnymi przykładami z polskich firm. Bez teorii akademickiej — praktyka.

Trzy wzorce w skrócie

• ReAct (Reasoning + Acting) — agent myśli krok po kroku, na każdym kroku może wywołać narzędzie. Iteracja Thought → Action → Observation → Thought ... Najprostszy, najtańszy.
• Plan-and-Execute — agent najpierw układa plan (wszystkie kroki), potem wykonuje. Może mieć plannera i executora jako oddzielne instancje. Lepszy dla zadań strukturalnych.
• Reflexion — agent po każdym wyniku ocenia, czy zrobił dobrze. Jeśli nie — próbuje ponownie z poprawioną strategią. Najdroższy, ale dla zadań krytycznych jakościowo.

Macierz decyzyjna

Cecha	ReAct	Plan-Execute	Reflexion
Krytyczność jakości	średnia	wysoka	krytyczna
Liczba kroków	2-5	5-15	3-10
Koszt tokenów (relatywnie)	1x	1,4x	2,3x
Latencja	niska	średnia	wysoka
Sukces (avg, nasze wdrożenia)	78%	87%	93%
Najlepszy use case	chatbot z narzędziami	raport, analiza	krytyczna decyzja

ReAct w praktyce — chatbot hurtowni

Klient: hurtownia farmaceutyczna, asystent dla call center B2B. Workflow: klient pyta "czy macie X", agent szuka w katalogu (narzędzie), patrzy stany magazynowe (narzędzie), sprawdza cenę dla danego klienta (narzędzie), odpowiada.

Kiedy ReAct wystarcza

• Zadanie krótkie, niewielka liczba narzędzi (3-7).
• Jakość "good enough" — 78% sukces wystarcza.
• Koszt i latencja są priorytetem.
• Mamy fallback do człowieka.

Plan-and-Execute — raport sprzedażowy

Klient: SaaS B2B, automatyczne raporty miesięczne dla 41 klientów. Workflow: planner układa kroki (zaciągnij dane, agreguj, porównaj rok do roku, generuj wykresy, wygeneruj komentarz), potem executor wykonuje. Każdy krok niezależnie.

Architektura Plan-and-Execute

# Pseudokod — uproszczony
def plan_and_execute(task):
    plan = planner.create_plan(task)   # Sonnet 4.5
    results = []
    for step in plan.steps:
        result = executor.run(step, context=results)  # Haiku 4.5
        results.append(result)
    return synthesizer.compose(task, results)  # Sonnet 4.5

Kiedy Plan-and-Execute wygrywa

• Zadanie multi-step (5+ kroków).
• Plan można policzyć z góry (nie zależy od wyników pośrednich).
• Możliwa paralelizacja kroków (50% naszych planów ma niezależne gałęzie).
• Audyt: plan widać przed wykonaniem, można go zaakceptować.

Reflexion — analiza umów (kancelaria)

Klient: kancelaria (ta sama, którą opisywaliśmy w innym case study). Workflow analizy klauzuli ryzyka: agent identyfikuje ryzyko, ocenia własną pewność, jeśli <0,85 — sprawdza precedensy, rewiduje opinię, znów ocenia. Loop max 3 iteracje.

Kiedy Reflexion jest warta swojej ceny

• Konsekwencje błędu kosztują >10x koszt iteracji Reflexion.
• Mamy dobry "self-evaluator" — model umie ocenić własną odpowiedź.
• Czas nie jest krytyczny (sekundy, nie milisekundy).
• Jakość 93% sukces jest warta 2,3x kosztu.

Antywzorce — czego unikać

1. Reflexion dla wszystkiego — drogo, wolno, niepotrzebnie. Trzymaj dla 10-20% workflow.
2. ReAct dla raportów — agent gubi się przy długich łańcuchach, Plan-and-Execute lepiej.
3. Plan-and-Execute dla chat-u — opóźnienie odpowiedzi zabija UX.
4. Mieszanie wzorców w jednym agencie — wybierz jeden, trzymaj się go.

Praktyczne wskazówki implementacyjne

• Loguj każdy krok agenta — to fundamentalne dla debug i audytu.
• Limit kroków twardy — Reflexion z 3+ pętlami często wpada w nieskończoność.
• Timeout per step — 30s max, długie kroki to czerwona flaga.
• Cost guard — abort, gdy koszt przekracza próg dla pojedynczego zadania.
• Human-in-the-loop dla zadań krytycznych.

Mix wzorców w produkcji RedAI

W naszych 23 produkcyjnych wdrożeniach rozkład: 11 × ReAct (chatboty, asystenci), 8 × Plan-and-Execute (raporty, analizy, generowanie dokumentów), 4 × Reflexion (krytyczne decyzje prawne, finansowe). 60% wartości daje ReAct, ale Reflexion to najwyższy ROI dla high-stakes.

Podsumowanie

Wybór wzorca = wybór kompromisu jakość ↔ koszt ↔ latencja. Polski biznes 2025 najczęściej wybiera ReAct dla MVP, Plan-and-Execute dla raportów, Reflexion dla krytycznych decyzji. Pokażemy wam mapę decyzyjną dla waszych konkretnych workflow.