AI Agent / 系统课时
生成可执行计划
生成可执行计划
本篇解决智能体面对复杂目标时无法直接执行的问题,通过将用户意图拆分为有顺序、有产出、有验证条件的任务步骤,让规划结果能够被后续执行模块直接消费。
学习目标
- 理解智能体计划生成的基本结构和关键字段
- 学会把自然语言目标转换为可执行任务步骤
- 掌握计划校验与执行前准备方法
从目标到计划的转换
智能体不能直接执行“帮我完成一个项目”这类高层目标,需要先生成明确计划。一个可执行计划通常包含任务名称、执行顺序、输入条件、预期产出和验收方式。
计划不是简单的待办列表,而是执行系统和推理系统之间的协议。规划阶段负责回答“下一步做什么”,执行阶段负责回答“如何完成这一步”。
计划数据结构设计
一个基础计划可以使用结构化对象描述,使工具调用模块能够读取每个步骤。
json
{
"goal": "整理项目日志并生成报告",
"steps": [
{
"id": "step-1",
"action": "collect_logs",
"output": "日志文件列表",
"verify": "确认文件数量大于0"
},
{
"id": "step-2",
"action": "generate_report",
"output": "分析报告"
}
]
}预期结果
json
{
"steps": 2,
"status": "plan_ready"
}结构化计划可以让后续模块遍历 steps,并根据 action 字段选择对应能力。
生成计划的核心流程
实际生成计划时,可以按照以下顺序处理:
- 提取用户目标,识别最终交付物。
- 判断完成目标所需的中间结果。
- 按依赖关系排列任务顺序。
- 为每个步骤添加验证条件。
例如“分析服务器异常并修复”不能直接执行修复动作,应拆分为日志收集、问题定位、方案选择、执行修复和结果验证。
常见计划问题
计划失败通常不是因为步骤数量不足,而是步骤不可验证。缺少输出定义的步骤无法判断是否完成,也无法支持失败重试。
另一个常见问题是规划过度,把简单任务拆成大量无意义步骤,导致执行成本增加。好的计划应该保持足够细粒度,同时避免机械拆分。
本课总结
- 可执行计划需要同时描述任务、顺序、产出和验证条件。
- 计划是推理模块与执行模块之间的数据协议。
- 合理拆分目标可以提升工具调用成功率和失败恢复能力。
下一课预告
下一课将介绍如何把计划步骤关联到具体工具,使智能体能够根据任务选择搜索、读取、编辑和执行能力。
按自己的节奏,确认真正理解。