今日总学习目标

1. 理解Agent规划、任务拆解核心思想，掌握ReAct、Plan-Solve标准推理框架
2. 基于前3天代码，实现自主任务拆解Agent（复杂问题自动拆分多子任务）
3. 实现多工具串行/并行调度、任务状态管理、失败子任务重试机制
4. 整合RAG知识库+Function Calling+任务规划，完成全能基础智能体
   每日时长分配（全天8h）

• 理论笔记阅读+理解：2.5h
• 代码编写调试：4h
• 复盘+面试背诵：1.5h

一、核心理论教学笔记

1. Agent规划核心概念

1.1 什么是任务规划

当用户提出复合型复杂问题（多步骤、多工具、多知识库查询），大模型无法一次性给出答案，需要先拆解成多个可执行子任务，按顺序分步执行，最后汇总结果。
例：“帮我计算(125+36)*8，同时查询RAG定义，最后汇总成一段总结”
拆解子任务：

1. 调用计算器计算125+36
2. 调用计算器计算结果×8
3. RAG检索RAG相关知识
4. 整合全部结果输出总结

1.2 两大主流推理框架（面试必考）

（1）ReAct 推理+行动框架（最简单、入门首选）

核心逻辑：Thought→Action→Observation循环

1. Thought：模型思考当前需要做什么、下一步执行什么工具/检索
2. Action：输出标准化工具调用/检索指令
3. Observation：拿到工具/知识库返回结果，作为观察输入下一轮思考
   循环往复直到任务全部完成，输出最终答案。
   优势：实现简单、天然适配Function Calling；缺点：复杂多步骤任务容易跳步、漏任务。

（2）Plan-Solve 先规划后执行框架

两步流程：

1. Plan阶段：模型一次性输出完整任务清单（结构化JSON子任务列表），包含任务类型、执行顺序、依赖关系
2. Solve阶段：程序按顺序逐个执行子任务，缓存每个子任务结果，全部完成后统一汇总
   优势：任务清晰可控，便于监控、断点续跑、失败重试；缺点：一次性规划消耗更多Token，复杂依赖场景规划易出错。

1.3 子任务类型分类（统一抽象）

统一封装三类任务，一套调度器兼容所有任务：

1. calc：数学计算工具调用（复用Day2计算器）
2. rag_search：知识库检索任务（复用Day3 RAG）
3. llm_summary：纯文本推理总结任务（无需外部工具）

1.4 任务依赖规则

• 无依赖任务：可并行执行（多个独立RAG查询）
• 强依赖任务：必须等待前置子任务完成才能执行（先求和再相乘）

2. 任务调度与状态管理

2.1 任务状态枚举

pending：待执行
running：执行中
success：执行成功
failed：执行失败（支持重试）
finished：全部完成

2.2 核心调度能力

1. 任务缓存：存储每个子任务ID、类型、入参、执行结果、状态
2. 重试机制：单个子任务失败最多重试2次，仍失败标记任务异常
3. 执行顺序控制：区分串行依赖、并行独立任务
4. 终止条件：所有子任务success，或达到最大规划轮次强制汇总

3. 规划Agent上下文与Token优化

1. 规划阶段仅传入用户原始问题，不携带冗余历史，减少规划开销
2. 每个子任务执行结果精简压缩，避免大量文本累积超限
3. 设置最大规划轮次（默认5轮），防止无限循环拆解任务

4. 完整全能Agent链路（Day1~Day4全能力整合）

用户复杂提问
→ Plan：模型拆解结构化子任务列表
→ 调度器循环执行每个子任务
- 子任务=计算：调用Function Calling计算器
- 子任务=知识库查询：执行RAG检索
- 子任务=文本推理：直接LLM生成
→ 缓存所有子任务执行结果
→ LLM汇总全部子任务输出，生成最终完整回答

二、今日学习重点

1. 掌握ReAct与Plan-Solve两种Agent推理框架区别与适用场景
2. 定义标准化子任务JSON Schema，强制模型输出任务清单
3. 实现通用任务调度器，支持任务状态、重试、串行执行
4. 整合LLM、RAG、Function Calling、任务规划一体化Agent
5. 处理规划异常：任务格式错乱、子任务重复、依赖顺序错误

三、今日难点 & 解决方案

难点1：模型拆解任务格式混乱，无法解析子任务列表

解决方案：

1. 使用Pydantic定义任务列表Schema，Prompt强制输出纯JSON
2. temperature设为0，消除随机性
3. 正则提取JSON、解析失败自动重新规划一次
4. Few-shot给出标准任务拆解示例

难点2：子任务执行失败导致整体流程中断

解决方案：

1. 单个任务捕获全部异常，标记failed，记录错误信息继续执行剩余任务
2. 配置单任务最大重试次数，重试失败后在最终汇总中提示异常
3. 汇总阶段告知用户哪些任务执行失败，给出失败原因

难点3：模型无限拆解、产生大量冗余子任务

解决方案：

1. 全局限制最大规划轮次，到达上限停止拆解直接汇总已有结果
2. Prompt约束：无需拆分的简单问题直接回答，禁止多余子任务
3. 任务去重：调度器过滤重复类型、重复入参的子任务

难点4：多子任务结果过长，Token超限

解决方案：

1. 每个子任务执行后自动精简输出文本，剔除换行、冗余描述
2. 汇总前做滑动窗口裁剪，只保留关键任务结果
3. 长结果分段摘要压缩

四、完整练习代码（基于Day1/2/3扩展）

前置依赖

沿用前几日所有依赖：aiohttp、pydantic、faiss-cpu、numpy、fastapi、uvicorn,最后总结提示词有bug需要提示词里加前置任务的结果

1. 任务规划核心模块 task_planner.py