05-规划能力：任务分解与多步推理

规划能力：任务分解与多步推理

复杂任务不能一步做完，Agent 需要能把大目标拆成小步骤，一步步执行。这篇讲 Agent 的规划能力：任务分解的方法、Chain of Thought、Tree of Thoughts、Plan-and-Execute 模式，以及规划失败了怎么调整。

大家好，我是黒漂技术佬。

简单的问题，Agent 调用一两个工具就解决了。但复杂任务呢？比如「调研 5 个竞品，写一份对比分析报告」，涉及搜索、整理、对比、写作，好多步骤。这就需要 Agent 有规划能力：先拆解任务，再按计划执行。

这篇讲 Agent 怎么规划：任务分解、CoT、ToT、Plan-and-Execute、自我修正。

---

一、为什么需要规划？

简单任务 vs 复杂任务

简单任务（1-2 步）：

• "北京天气怎么样？" → 调用天气工具 → 回答
• "123×456等于多少？" → 调用计算器 → 回答

ReAct 循环走一两步就搞定。

复杂任务（多步骤）：

• "调研主流 RAG 框架，对比优缺点，写个选型建议"
• "帮我做一份下周去上海的行程安排，包括交通、住宿、会议"
• "分析我们产品上个月的用户留存下降原因"

涉及多个步骤、多个工具、中间还要判断调整。没有规划的话，Agent 容易走一步看一步，跑偏、遗漏、效率低。

规划的作用

1. 拆解大任务：把大目标拆成可执行的小步骤
2. 减少走偏：有计划就不容易跑题
3. 提高效率：知道哪些可以并行、哪些有依赖
4. 可追溯：有计划就能看做到哪了、为什么这么做

---

二、Chain of Thought（思维链）

是什么

让模型一步步思考，把推理过程说出来，而不是直接给答案。

例子

没有 CoT：

问题：一个球和一个球拍一共11元，球拍比球贵10元，球多少钱？
回答：1元。（错的）

有 CoT：

问题：一个球和一个球拍一共11元，球拍比球贵10元，球多少钱？
思考：设球x元，球拍就是x+10元。加起来x + (x+10) = 11 → 2x+10=11 → 2x=1 → x=0.5。
回答：0.5元。（对的）

把思考过程写出来，正确率大幅提升。

Zero-shot CoT

不用给示例，加一句「请一步步思考」就行：

让我们一步步来思考这个问题。

简单有效。

Few-shot CoT

给几个带思考过程的示例，效果更好：

示例1：
问题：...
思考：...
答案：...

示例2：
问题：...
思考：...
答案：...

现在回答：
问题：xxx

适用场景

• 数学推理
• 逻辑题
• 需要多步推导的问题
• 简单的任务规划

CoT 是最基础的推理增强方法，几乎所有 Agent 都在用。

---

三、任务分解（Task Decomposition）

是什么

把一个复杂目标拆成多个子任务，每个子任务是一个可执行的小步骤。

怎么拆？

方法 1：让模型自己拆

请把以下任务分解为具体的执行步骤：
任务：调研主流RAG框架并写选型建议

输出格式：
1. 步骤一：xxx
2. 步骤二：xxx
...

模型输出：

1. 确定主流的RAG框架有哪些（LangChain、LlamaIndex、Haystack等）
2. 分别搜索每个框架的特点、优缺点、适用场景
3. 整理对比维度（功能、性能、易用性、社区、 license）
4. 制作对比表格
5. 撰写选型建议
6. 输出完整报告

方法 2：模板化分解

特定类型的任务用固定模板，比如调研报告就是「确定范围 → 收集信息 → 整理对比 → 撰写结论」。

优点：稳定可控；缺点：不够灵活。

分解的原则

1. 每个子任务要具体可执行，不能还是模糊的大目标
2. 有明确的输入输出，做完一个知道结果是什么
3. 考虑依赖关系，哪些要先做，哪些可以并行
4. 粒度适中，太细了步骤多效率低，太粗了不好执行

---

四、Plan-and-Execute 模式

是什么

先做完整计划，再按计划一步步执行。跟 ReAct 的「走一步看一步」不同，Plan-and-Execute 是「先想好全部，再按顺序做」。

流程

用户任务
  ↓
规划阶段：生成详细的执行计划（步骤列表）
  ↓
执行阶段：按计划一步步执行
  ↓
（可选）重规划：遇到问题调整计划
  ↓
最终输出

两个角色

可以是一个模型干两件事，也可以拆成两个 Agent：

• Planner（规划者）：负责拆解任务、制定计划
• Executor（执行者）：负责执行每个步骤，调用工具

优点

• 任务结构清晰，不容易跑偏
• 可以看到整体计划，用户知道要做什么
• 复杂任务表现更好

缺点

• 计划可能不符合实际，执行到一半发现不对
• 不够灵活，遇到意外情况需要重规划

适用场景

• 任务比较明确、步骤可预测
• 调研报告、数据分析、内容创作这类结构化任务

---

五、Tree of Thoughts（思维树）

是什么

不只是一条线思考，而是探索多个可能性，像树一样展开，选最好的路径。

跟 CoT 的区别

• CoT：一条路走到黑，错了就错了
• ToT：生成多个候选思路，评估哪个好，选最优的继续

流程

当前问题
  ↓
生成3个可能的下一步思路
  ↓
评估每个思路的可行性（打分）
  ↓
选最好的1-2个继续展开
  ↓
... 层层深入 ...
  ↓
选最终最优的答案

优点

• 复杂推理问题效果更好
• 不容易钻牛角尖，能探索多种可能

缺点

• 调用次数多，慢且贵
• 实现复杂

适用场景

• 高难度推理题
• 需要创意、多种方案的问题
• 对正确率要求高的场景

一般业务 Agent 用不上这么重的，CoT + 规划就够了。

---

六、反思与自我修正（Reflection / Self-Correction）

是什么

做完之后自己检查一下，做得好不好、对不对，不好就改。

自我反思流程

执行任务 → 生成初步结果
  ↓
反思：这个结果对吗？有没有遗漏？哪里可以改进？
  ↓
有问题 → 修正 → 再反思 → 直到满意
  ↓
输出最终结果

反思 Prompt

请检查上面的回答，从以下维度评估：
1. 准确性：事实是否正确？
2. 完整性：有没有遗漏关键点？
3. 逻辑性：推理是否合理？
4. 相关性：有没有偏离问题？

如果有问题，请给出修正后的版本。

Reflexion 框架

更正式的反思框架：

• 行动 → 评估 → 反思 → 下次改进
• 把反思存起来，积累经验

适用场景

• 写作类任务：写完自己润色
• 代码生成：写完自己检查 bug
• 复杂推理：算完自己验算
• 质量要求高的输出

缺点是多了一轮（或多轮）调用，更慢更贵。

---

七、规划失败了怎么办？

常见的规划问题

1. 计划太粗

执行的时候发现一步里面还有好多事，做不完。

解决：动态细化，执行到那一步的时候再拆细。

2. 计划错了

方向不对，或者假设错误。

解决：重规划（Re-planning）。执行中发现不对，停下来重新做计划，继续执行。

3. 步骤有依赖没考虑到

后面的步骤需要前面的结果，但前面没做。

解决：规划时考虑依赖关系，或者动态调整顺序。

4. 工具调用失败

某个工具用不了，或者返回错误。

解决：换工具、换方式，或者跳过（如果不重要）。

动态调整机制

好的 Agent 不是按计划死执行，而是：

• 每执行一步评估一下进展
• 发现偏差就调整计划
• 遇到死路就回溯换方向

---

八、实际开发中的规划建议

1. 从简单开始

大多数业务场景，ReAct + CoT 就够了，不用上来就搞 ToT、多 Agent 规划。

2. 固定类型任务用模板化规划

比如客服工单处理、数据分析，流程相对固定，预设步骤模板，比让模型自由规划稳定得多。

3. 让用户可见计划

Agent 要做什么，先展示给用户看：

我将按以下步骤完成：
1. xxx
2. xxx
3. xxx
可以吗？

用户可以调整，也更放心。

4. 设置检查点

关键步骤之后检查一下方向对不对，不对及时修正。

5. 控制最大步数

防止死循环，设最大执行轮次，到了就停止并汇报进展。

6. 复杂任务才上重规划

简单任务 ReAct 就行，真的复杂任务再用 Plan-and-Execute + 重规划。

---

九、不同规划方法对比

方法	复杂度	效果	成本	适用场景
直接回答	最低	简单问题够用	最低	事实性问答
CoT 思维链	低	推理题提升明显	低	数学、逻辑、简单规划
ReAct	中	工具调用场景好	中	大多数 Agent 场景
Plan-and-Execute	中高	复杂结构化任务好	中高	调研报告、数据分析
Tree of Thoughts	高	复杂推理最佳	很高	高难度推理、创意任务
+ Reflection 反思	+1级	质量进一步提升	+50%~100%	质量要求高的输出

---

十、本篇小结

• 规划能力：把复杂任务拆成小步骤，有序执行，是 Agent 处理复杂任务的关键
• Chain of Thought（思维链）：让模型一步步思考，基础且有效，几乎所有场景都能用
• 任务分解：把大目标拆成可执行的子任务，是规划的核心
• Plan-and-Execute：先做完整计划再执行，适合结构化复杂任务
• Tree of Thoughts：多路径探索选最优，效果好但成本高，一般场景用不上
• 反思/自我修正：做完自己检查改进，进一步提升质量
• 规划会失败，需要动态调整、重规划机制
• 实际开发建议：从简到繁，简单任务 ReAct + CoT 就够，复杂的再上 Plan-and-Execute

下一篇讲多 Agent 协作：多个智能体分工合作，各自扮演不同角色，怎么通信、怎么协调。

我是黒漂技术佬。