Skill 与工作流
任务分解（Task Decomposition）
任务分解是把一个大而模糊的任务拆成更小、更具体的子任务的过程，每个子任务都能单独执行、单独检查。
“给这个 App 加上登录功能”，对人来说是个合理的需求，但对智能体来说太大、太模糊了，没法一口气执行。任务分解就是智能体（或指挥它的人）把这个大任务拆成能真正下手做的小块：设计数据表结构、加登录接口、处理会话状态、写测试。
分解之所以重要，是因为小块任务更容易做对、更容易单独验证，也更容易转交出去——交给另一个 subagent、交给另一个工具，或者放进 workflow 里的下一步——比起一整个又大又模糊的指令要好处理得多。它也是让 multi-agent-system 真正可行的前提：不先把工作拆开，就没法把活儿有意义地分给不同的智能体。
分解没有固定必须遵循的结构。常见的画法是一棵树或者中心辐射状（一个大任务，几个子任务），但如果子任务之间本来就没有依赖关系，一份没有层级、纯粹并列的列表同样是合理的分解方式。
举个例子
面对“给这个 App 加上登录功能”，智能体可能会拆成：加一张 users 表并做密码哈希、加登录/登出接口、加会话或 token 中间件、写覆盖登录成功和失败两种情况的测试。
和相关概念的区别
任务分解和 planning 的区别：分解特指把任务拆成子任务这一步；planning（规划）是范围更大的活动，通常既包含分解，也包含理清各子任务之间的顺序和依赖关系。
常见误解
常被以为： 任务分解出来的一定是一棵层级分明的树。
实际上： 画图时经常画成树状，但如果子任务之间本来就没有依赖关系，一份不分层级、并列的列表同样是合理的分解结果。
常见问题
AI 智能体里的任务分解是什么？
把一个大而模糊的任务拆成更小、更具体的子任务，方便逐个执行和检查。
任务分解和 planning 有什么区别？
分解特指把任务拆成子任务这一步；planning 是更大范围的活动，还包括理清这些子任务的顺序和依赖关系。
最近核实： 2026-08-28