AI Agent / 系统课时
拆解复杂任务
拆解复杂任务
复杂任务的问题通常不是步骤太多,而是目标、约束和完成标准混在一句话里。有效拆解要把模糊目标转换成可执行动作,并为每一步定义输入、检查条件和停止标准,让 Agent 知道何时继续、何时修正、何时结束。
学习目标
- 从模糊目标中提取结果、约束和必要输入
- 把复杂任务拆成可独立检查的动作与门禁
- 为最终结果设计明确、可验证的完成标准
从结果反推任务边界
不要先问“第一步做什么”,而要先确定什么结果才算任务完成。一个可执行目标至少应回答三个问题:最终要产出什么、必须遵守哪些限制、完成后如何判断结果正确。
例如“帮我准备一次版本发布”仍然过于模糊。更好的任务定义会明确产物是发布说明,输入来自已合并变更,禁止编造未验证功能,并要求每条用户可见变更都能追溯到实际记录。
当输入缺失时,也应把“获取必要信息”显式列为步骤,而不是让 Agent 猜测。这样可以把资料不足和执行失败区分开,避免模型在没有证据时直接生成看似完整的答案。
把步骤写成可检查动作
一个好的步骤只承担一个主要职责,并且执行后能观察到结果。可以把每个步骤理解为四个部分:输入、动作、成功条件以及失败后的处理方向。

以生成发布说明为例,可以拆成以下顺序:
- 收集本次发布范围内的已确认变更。
- 筛选真正影响用户的变更,排除内部重构等无关信息。
- 根据证据生成发布说明草稿。
- 检查每条说明是否能映射到已有变更记录。
- 只有全部检查通过后,才提交最终结果。
这里的关键不是把任务切得越碎越好,而是让每一步产生下一步可以消费的确定结果。如果某一步仍同时包含“查资料、判断、生成、验证”多个职责,通常还应继续拆分。
用门禁控制执行方向
复杂任务往往不是一条无条件直线。Agent 在关键节点需要判断是否满足继续执行的条件,否则应补充信息、重试或停止。
常见门禁包括:必要字段是否齐全、工具调用是否成功、结果是否达到最低质量、是否存在互相冲突的证据,以及当前动作是否需要用户确认。门禁要写成可判断条件,而不是“如果情况不好就调整”这类主观描述。
给发布说明加一道可执行的门禁
示例将已审核的用户可见变更作为输入,要求草稿中的每条说明引用对应 ID,并沿用已核实的句子。
changes = {
"C17": {"visible": True, "note": "修复报表导出超时。"},
"C18": {"visible": False, "note": "重排内部目录。"},
}
draft = [{"id": "C17", "text": "修复报表导出超时。"}]
def validate_notes(rows, source):
visible = {code: item["note"] for code, item in source.items() if item["visible"]}
seen = set()
for row in rows:
if not isinstance(row, dict) or set(row) != {"id", "text"} or not isinstance(row["id"], str):
return "revision_required"
code = row["id"]
if code not in visible or code in seen or row["text"] != visible[code]:
return "revision_required"
seen.add(code)
return "ready" if seen == visible.keys() else "missing_evidence"
print(validate_notes(draft, changes))
print(validate_notes([{"id": "C17", "text": "所有导出速度翻倍。"}], changes))
print(validate_notes([], changes))输出依次为 ready、revision_required、missing_evidence。如果允许模型改写文案,只检查 ID 就不够,还要验证改写没有引入超出原变更的承诺。发布本身另有授权和验收条件。
设计可验收的完成标准
完成标准应检查结果,而不是检查 Agent 是否“努力执行过”。例如“已经搜索相关资料”只能说明过程发生过,不能证明答案可靠;“最终结论中的关键事实均有已获取证据支持”才是可验收条件。
可以从四个维度定义完成标准:输出格式是否正确、必需内容是否齐全、禁止事项是否出现、关键结论是否具备证据。需要调用外部工具的任务,还应增加工具执行成功或失败已被明确处理的条件。
好的拆解最终会形成一条可检查的执行链:每一步只解决一个主要问题,进入下一步有明确条件,失败时知道返回哪里,最后能够用客观标准判断任务是否真正完成。