Yeats' Wiki

外观

规划能力：任务拆解与依赖管理 ​

Agent 和 Chatbot 最大的区别在于任务复杂度。 Chatbot 只能回答简单问题。 Agent 能做复杂事情（如写代码、做报表）。 做复杂事情需要规划 (Planning)：

  1. Task Decomposition: 把大任务拆成小任务。
  2. Dependency Management: 任务之间有依赖关系（必须先查 API 文档，才能写代码）。
  3. Self-Correction: 如果某步失败了，重新规划。

1. 任务拆解策略 (Decomposition) ​

1.1 LLM-based Decomposition ​

直接问 LLM：“我要做 X，请列出步骤。” Prompt:

"You are a planner. Break down the following goal into step-by-step subtasks. Goal: Write a Python script to scrape stock prices and plot a chart." Output:

  1. Install requests and matplotlib.
  2. Find a free stock API.
  3. Write code to fetch data.
  4. Write code to plot data.
  5. Save the chart as stock.png.

1.2 Hierarchical Planning (分层规划) ​

对于特别复杂的任务，一层拆解不够。 需要递归拆解。

  • Level 1: Scrape Data -> Process Data -> Plot Data.
  • Level 2 (Scrape): Find API -> Get Key -> Call Endpoint.

2. 依赖管理 (Dependency Graph) ​

2.1 顺序执行 (Sequential) ​

步骤 1 完成后，把结果传给步骤 2。 这是最简单的模式。

2.2 有向无环图 (DAG) ​

步骤 1 和 2 可以并行（如分别查两个 API）。 步骤 3 依赖 1 和 2 的结果（如合并数据）。 LangGraph 支持定义这种图结构 (Graph Structure)。

3. 自我修正 (Self-Correction / Re-planning) ​

3.1 动态规划 ​

计划不是死的。 如果步骤 2 失败了（API 挂了），Agent 必须能感知到，并重新生成计划。 Prompt:

"Step 2 failed with error 500. Please generate a new plan to achieve the goal without using that API." New Plan:

  1. Use yfinance library instead of direct API call.
  2. ...

3.2 反思 (Reflection) ​

Agent 甚至可以反思：“我为什么选了这个烂 API？” 下次规划时避开它。

4. 工程实现：LangGraph / BabyAGI ​

4.1 BabyAGI ​

这是最早的自动规划 Agent。

  • Task List: 待办事项列表。
  • Execution Agent: 执行当前任务。
  • Task Creation Agent: 根据执行结果，生成新任务。
  • Prioritization Agent: 对任务列表重新排序。

4.2 LangGraph ​

LangChain 的升级版，支持循环（Cycles）和状态机。 你可以定义：

  • State: 当前的任务列表、已完成的任务、中间结果。
  • Nodes: Planner, Executor, Reviewer。
  • Edges: 流程控制（If success -> Next; If fail -> Re-plan）。

规划能力是 Agent 的前额叶皮层 (Prefrontal Cortex)。 它决定了 Agent 的智商上限。 一个优秀的 Planner 能把看似不可能的任务（如写一个操作系统），拆解成无数个可执行的小步骤（如写一个 Hello World）。 这就是工程思维在 AI 时代的体现。