规划与任务分解

本目录讨论 Agent 如何把目标拆成可执行步骤、如何选择搜索/规划策略、如何在执行中处理中断、恢复和计划漂移。它与 02-Agent核心架构 的区别是：02 关注系统拓扑，07 关注规划算法、计划对象和执行控制。

核对日期：2026-05-09。

1. 文件索引

文件	主题	适用问题
Task-Decomposition	任务分解的通用方法	怎样把目标拆成可执行、可验收的步骤
Plan-and-Execute	计划-执行-重规划循环	如何让 Agent 按计划推进并处理失败
Tree-of-Thoughts	树搜索式推理	如何在多个推理路径中搜索更优方案
Graph-of-Thoughts	图结构推理	如何合并、回退和复用中间 thought
状态机与Agent规划	状态机约束规划	如何把开放 Agent 放进可控业务流程
任务中断与恢复	checkpoint、interrupt、resume	如何让长任务可暂停、可恢复、可审批
计划漂移问题	计划执行中的偏移	如何发现 Agent 偏离目标、权限或约束

2. 规划层核心对象

{
  "goal": "完成一次合规风险初筛",
  "constraints": ["不能外发客户数据", "必须给出证据来源"],
  "plan": [
    {
      "id": "s1",
      "action": "读取材料并抽取事实",
      "depends_on": [],
      "done_when": "输出结构化事实表并带来源"
    }
  ],
  "execution_state": {
    "current_step": "s1",
    "completed": [],
    "blocked": [],
    "plan_version": 1
  },
  "control": {
    "max_replans": 3,
    "approval_required_for": ["external_send", "database_write"]
  }
}

3. 方法选型

任务特征	推荐方法	不推荐
步骤明显、依赖清楚	Task decomposition + Plan-and-Execute	ToT/GoT 过度搜索
需要探索多个方案	Tree-of-Thoughts	单一路径计划
中间结果可复用和合并	Graph-of-Thoughts	纯树搜索
业务状态强约束	状态机 + Agent 局部规划	纯自主 Agent
人工审批或等待外部系统	中断与恢复	同步阻塞等待
执行中目标容易偏离	计划漂移监控	只看最终答案

4. 通用质量标准

• 每个步骤要可执行、可验证、可回放。
• 分解不应过细到每一步都变成模型调用，也不应过粗到无法定位失败。
• 计划应声明约束、依赖、允许工具和完成标准。
• 执行中出现新事实时，应通过受控重规划更新计划版本。
• 计划与 trace 绑定，评测时能比较“计划说要做什么”和“实际做了什么”。

5. 权威资料

• Plan-and-Solve Prompting: https://arxiv.org/abs/2305.04091
• ReAct paper: https://arxiv.org/abs/2210.03629
• Tree of Thoughts paper: https://arxiv.org/abs/2305.10601
• Graph of Thoughts paper: https://arxiv.org/abs/2308.09687
• Least-to-Most Prompting: https://arxiv.org/abs/2205.10625
• LangGraph graph API: https://docs.langchain.com/oss/python/langgraph/graph-api
• LangGraph interrupts: https://docs.langchain.com/oss/python/langgraph/interrupts
• OpenAI Agents SDK tracing: https://openai.github.io/openai-agents-python/tracing/