通过提示分解复杂问题

当AI智能体面对一个庞大、多方面的目标时，试图将其作为一个单一的整体来处理，通常效率低下且容易失败。大型语言模型，许多智能体的主要组成部分，在上下文 (context)窗口限制内运行，在过于宽泛的任务中可能无法追踪复杂的关联。因此，将复杂问题分解成更小、更易于管理的子任务，是有效智能体规划的一个基本步骤。这个过程，被称为任务分解，不仅使整体目标更易实现，也允许更好的错误处理、进度跟踪，并在相关阶段整合特定工具或知识。你通过精心构建的提示引导这种分解的能力，是构建强大AI智能体的根本。

提示引导分解的重要性

提示是指导智能体如何分解更大目标的主要方式。如果没有明确指导，智能体可能会生成一个过于模糊、过于详细或排序不当的分解，从而无法有效执行。精心设计的提示可以引导智能体：

• 识别逻辑子目标或阶段。
• 确定每个子任务的适当详细程度。
• 建立子任务之间的关联。
• 以智能体系统可解析和执行的方式格式化分解后的计划。

通过掌握任务分解的提示工程 (prompt engineering)，你使智能体能够将艰巨的挑战转变为结构化、可操作的计划。

通过提示进行任务分解的方法

任务分解的两种常见方法是顺序分解和层级分解，这两种方法都可以通过你的提示有效引导。

顺序分解

顺序分解是将任务分解为一系列必须按特定顺序执行的步骤。这适用于每个步骤自然地接续前一个步骤的过程。

为了提示进行顺序分解，你可以指示智能体按顺序列出步骤。 例如，如果总体目标是“撰写并发布一篇关于使用新API的技术博客文章”：

目标：撰写并发布一篇关于使用新API的技术博客文章。

将此目标分解为一系列可执行的步骤。按应执行的顺序列出它们。

智能体可能会这样回应：

1. 调研新API的功能、端点和认证。
2. 起草博客文章大纲，包括引言、API使用示例和结论。
3. 撰写博客文章内容的初稿。
4. 开发演示API使用方法的代码示例。
5. 将代码示例整合到博客文章中。
6. 审阅并编辑博客文章，确保技术准确性、清晰度和语法。
7. 添加相关图片或图表。
8. 在指定平台发布博客文章。
9. 在社交媒体上分享已发布文章的链接。

这种线性顺序为智能体（或监督智能体的人员）提供了清晰的执行路径。

层级分解

对于更复杂的目标，简单的线性顺序可能不够。层级分解将一个主要任务分解为几个主要的子任务，每个子任务都可以进一步分解为更小、更详细的步骤。这形成了一种树状的任务结构。

考虑目标：“组织并执行一个关于高级Python功能的小型在线研讨会。”一个用于层级分解的提示可能是：

目标：组织并执行一个关于高级Python功能的在线小型研讨会。

将此目标分解为主要阶段。对于每个阶段，列出所涉及的主要子任务。
以层级结构呈现。

智能体可以生成一个类似这样的计划：

阶段 1: 研讨会内容和材料准备
  - 子任务 1.1: 确定要涵盖的具体高级Python主题（例如，生成器、装饰器、asyncio）。
  - 子任务 1.2: 为每个主题开发演示幻灯片。
  - 子任务 1.3: 创建实践编码练习和示例解决方案。
  - 子任务 1.4: 为与会者准备所需知识清单。

阶段 2: 后勤和平台设置
  - 子任务 2.1: 选择在线会议平台（例如，Zoom, Google Meet）。
  - 子任务 2.2: 安排研讨会日期和时间。
  - 子任务 2.3: 设置注册系统或方法。
  - 子任务 2.4: 进行平台和演示的测试运行。

阶段 3: 推广和与会者管理
  - 子任务 3.1: 起草研讨会公告。
  - 子任务 3.2: 通过相关渠道（例如，邮件列表、社交媒体）分发公告。
  - 子任务 3.3: 管理注册并发送确认。
  - 子任务 3.4: 向已注册的与会者发送提醒和加入说明。

阶段 4: 研讨会执行和后续
  - 子任务 4.1: 按计划交付研讨会内容。
  - 子任务 4.2: 组织问答环节。
  - 子任务 4.3: 在研讨会后收集与会者反馈。
  - 子任务 4.4: 与与会者分享研讨会材料（幻灯片、代码）与会者。

这种层级结构对于复杂项目通常更具直观性，并允许根据需要展开或折叠计划的不同部分。一个可视化表示可能会有所帮助：

“规划技术研讨会”的层级分解，包含阶段和具体任务。

分解任务的高级提示策略

有几种提示策略可以提高任务分解的质量和实用性。

零样本与少样本分解

• 零样本分解: 你要求智能体分解任务，但不提供任何先前的示例。上面显示的提示就是零样本分解的示例。这完全依赖于大型语言模型预训练 (pre-training)中理解规划和任务分解的能力。
• 少样本分解: 你提供一个或多个类似任务如何分解的示例。这引导智能体朝着所需的风格、粒度或结构方向。

例如，为了鼓励子任务采用特定格式：

以下是如何分解研究任务：

示例 1:
目标：研究气候变化对农业的影响。
分解：
- 子任务：收集过去5年内的同行评审文章。
- 子任务：识别与作物产量相关的主要主题和发现。
- 子任务：总结水资源短缺影响的数据。
- 子任务：分析文献中讨论的适应策略。

示例 2:
目标：调查Python编程语言的历史。
分解：
- 子任务：确定Python的起源和主要创建者。
- 子任务：列出主要版本发布及其重要功能。
- 子任务：研究Python对其他语言的影响。
- 子任务：总结其受欢迎程度和应用领域的增长。

现在，使用相同的风格：
目标：分析不同排序算法的性能。
分解：
[智能体在此提供分解]

少样本示例可以显著提高智能体输出的一致性和相关性，尤其是在专业领域或需要非常特定的输出结构时。

基于角色或身份的提示

为智能体指定一个身份可以影响其进行任务分解的方式。例如：

你是一名拥有10年软件开发经验的专家项目经理。
你的任务是分解以下项目：“开发一个用于实时语言翻译的移动应用程序。”
提供一个详细的项目计划，分解为各个阶段以及每个阶段内具体的、可操作的任务。
考虑典型的软件开发生命周期阶段。

这个提示鼓励智能体从项目经理的角度思考，可能带来更结构化和行业标准的分解，包括需求收集、设计、开发、测试和部署等阶段。

指定输出结构

对于智能体系统而言，为了使用分解后的计划，该计划通常需要采用机器可读的格式。你可以指示智能体以JSON、XML或Markdown清单等格式提供分解结果。

请求JSON输出的示例：

目标：为我们的产品“X”规划一个新的软件功能发布。
该功能涉及添加双因素认证（2FA）。

将其分解为可执行的子任务。
将计划作为JSON数组输出，其中每个对象包含以下键：
- "id": 唯一的任务标识符（例如，“T1”，“T2”）。
- "description": 描述任务的字符串。
- "dependencies": 一个“id”字符串数组，表示在此任务开始前必须完成的任务（如果没有依赖，则为空数组）。
- "estimated_duration_hours": 预计小时数的整数。

单个任务对象的示例：
{
  "id": "EX1",
  "description": "示例任务",
  "dependencies": [],
  "estimated_duration_hours": 8
}

提供完整的JSON计划。

这种结构化的输出可以直接被智能体的规划或执行模块使用，使其能够跟踪进度、管理任务关联和分配资源。

撰写有效的分解提示

在设计任务分解的提示时，请考虑以下几点：

• 整体目标的清晰度: 提供给智能体的初始高级目标必须清晰明确。如果智能体误解了最终目标，其分解可能会有问题。
• 控制粒度: 你可能需要引导智能体达到所需的详细程度。
  • 对于高层规划：“将其分解为3-5个主要阶段。”
  • 对于详细行动计划：“列出所有具体的、小步骤。每个步骤应在4小时内完成。” 这有时是一个迭代过程。你可能首先要求进行高层分解，然后选择一个特定阶段，并要求智能体更详细地分解该阶段。
• 迭代优化: 任务分解并非总是一次性完成的过程。智能体的首次尝试可能不错，但并非完美。你可以使用后续提示要求澄清、进一步分解特定事项或重新排序任务。例如：“‘开发功能’这个子任务太宽泛了。请将其进一步分解为更小的开发步骤。”这种迭代对话是管理智能体工作流程的常见模式。

通过深思熟虑地分解复杂问题，你将它们从抽象的挑战转化为一系列具体的、可管理的行动。这为智能体有效规划、执行和适应奠定了基础，使其更接近在复杂任务上的自主操作。因此，你用于提示这种分解的技术是成功构建智能体系统的重要组成部分。