任务分解

引言 在人类组织中，委派是管理的核心技能——将任务分解并分配给合适的人，是完成复杂项目的基础。同样，在多智能体系统中，委派模式决定了系统的效率和可扩展性。 一个好的委派系统就像一个高效的组织：每个层级各司其职，信息自上而下传达指令，自下而上汇报结果，整体协同完成复杂目标。 一、委派的基本模式 1.1 直接委派 最简单的委派模式：Agent A直接将任务交给Agent B执行。 Manager Agent: "请查询2025年Q4的销售数据并生成图表" → Data Analyst Agent: 执行查询 → 生成图表 → 返回结果 Manager Agent: 收到结果，继续下一步 适用场景：任务明确、单一执行者、无需协调。 1.2 广播委派 一个Agent将任务同时委派给多个Agent，各自独立处理： Manager Agent: "分别调研三个竞品的市场策略" → Agent 1: 调研竞品A → Agent 2: 调研竞品B → Agent 3: 调研竞品C Manager Agent: 汇总三个Agent的结果 适用场景：任务可以独立并行、无需Agent间协调。 1.3 链式委派 任务沿链传递，每个Agent处理一部分后传给下一个： Manager → Collector(收集数据) → Analyzer(分析数据) → Reporter(生成报告) → Manager 适用场景：流程固定的流水线任务。 1.4 竞争委派 同一任务委派给多个Agent，选择最优结果： Manager: "设计系统架构" → Agent 1: 方案A → Agent 2: 方案B → Agent 3: 方案C Manager: 评估三个方案，选择最优或融合 适用场景：创意性任务、需要多视角的任务。 ...

一、什么是 Prompt Decomposition Prompt Decomposition（提示分解）是将一个复杂的任务分解为多个简单的子任务，分别通过不同的 Prompt 或步骤执行，最终组合结果的技术。 1.1 为什么需要分解 问题 单一 Prompt 的表现 分解后的表现 步骤过多遗漏 30-50% 概率跳过步骤 每步逐一执行 上下文稀释 长 prompt 中关键指令被稀释 每步聚焦单一目标 输出质量不均 各部分质量参差不齐 每一步可控可调 调试困难 无法定位错误环节 每步独立可观测 1.2 分解 vs 不分对比 # ❌ 不分解：所有要求挤在一个 Prompt undivided_prompt = """ 请为我们的新产品写一篇营销文案： 1. 分析目标受众 2. 列出 3 个核心卖点 3. 写一个引人注目的标题 4. 写产品描述（200 字） 5. 写行动号召（CTA） 要求：用活泼的语气，包含 SEO 关键词，检查错别字 """ # ✅ 分解为 5 个独立步骤 decomposed_pipeline = [ {"step": "受众分析", "prompt": "分析以下产品的目标受众...", "output_var": "audience"}, {"step": "卖点提取", "prompt": "基于产品特性，提取 3 个核心卖点...", "output_var": "features"}, {"step": "标题创作", "prompt": "基于目标受众和卖点，创作 5 个标题候选...", "output_var": "headlines"}, {"step": "正文生成", "prompt": "使用选定标题和卖点，撰写产品描述...", "output_var": "body"}, {"step": "质量检查", "prompt": "检查以下文案的语法、SEO 和长度...", "output_var": "review"}, ] 二、分解策略 2.1 管道式分解（Pipeline） 子任务按顺序执行，前一步的输出是后一步的输入。 ...