关于 task-decomposition
用于将复杂目标拆分为适合 Agent 执行的任务并整合结果的设计技能，涵盖多 Agent 系统中的依赖、并行、粒度、歧义处理和结果重组。
主要功能
- 01顺序、并行和分层拆解策略
- 02条件式与迭代式拆解
- 03梳理依赖关系和关键路径
- 04设定任务粒度与结果重组逻辑
- 05处理歧义并调整任务计划
适用场景
- 01为复杂目标规划子任务
- 02识别可并行执行的任务
- 03根据结果变化重组计划
- 04定义如何汇总 Agent 的输出
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/task-decomposition确认已加载。
详细介绍
任务分解
用户提出的是目标，而不是子任务。任务分解是指多智能体系统将复杂的用户目标拆分成各个智能体可以处理的部分，然后重新整合结果，使其成为连贯的整体。
分解策略
- 顺序分解：将目标拆分为有序步骤。必须完成步骤 1，才能开始步骤 2。
- 并行分解：将目标拆分为可以同时处理的独立部分。
- 层次分解：将目标拆分为子目标，再将每个子目标拆分为任务。
- 条件分解：下一步取决于当前步骤的结果。不同的结果会导向不同的路径。
- 迭代分解：先从粗略版本开始，再通过多轮迭代进行完善。
设计分解规则
对于系统处理的每种用户目标：
- 入口是什么？ 系统如何接收目标？
- 有哪些子任务？ 列出此类目标可能包含的所有子任务。
- 有哪些依赖关系？ 哪些子任务依赖其他子任务的输出？
- 关键路径是什么？ 哪些子任务的执行顺序决定了最短完成时间？
- 哪些任务可以并行？ 哪些子任务可以同时运行？
- 如何重新整合？ 如何将子任务结果组合成最终输出？
粒度
分解的精细程度很重要：
- 太粗：单个智能体接到的任务过于复杂，导致质量下降
- 太细：交接开销超过专业化带来的收益
- 恰到好处：每个子任务的范围和复杂度都符合某个智能体的最佳处理能力
处理歧义
用户目标往往存在歧义。系统需要：
- 分解前先澄清：目标不明确时，请用户进一步说明
- 暂定分解：先制定计划，并随着信息的出现进行调整
- 必要时重新组合：如果分解有误，在不从头开始的情况下重新组织
设计产物
- 针对每种目标类型的任务分解树
- 展示子任务关系的依赖关系图
- 并行化规范
- 重新整合逻辑定义
- 歧义处理协议
评论
支持 Markdown