Agent 规划与任务分解是把目标转化为可执行步骤，并根据执行结果持续调整步骤的机制。规划的价值不在于生成一份看起来完整的清单，而在于帮助 Agent 管理依赖、验证中间结果并在环境变化时重新决策。
为什么需要规划
简单任务可能一次模型调用就能完成；复杂任务通常包含多个依赖步骤，例如先收集资料、再修改文件、运行检查，最后汇总结果。缺少规划时，Agent 更容易遗漏约束、过早结束、重复执行或在错误方向上持续消耗资源。
常见方式
- 反应式执行：每获得一次新观察就决定下一步，不预先生成完整计划；适合步骤少、环境变化快的任务；
- 先计划后执行：先拆分任务，再按顺序执行；适合依赖关系清晰的任务；
- 动态重规划：保留高层目标，但在每个关键结果或错误后更新后续步骤；
- 搜索式规划：同时探索多个候选路径，进行评分、回溯或剪枝；适合解空间复杂但成本也更高的任务；
- 分层规划：先确定阶段性目标，再为当前阶段生成更细步骤，避免一次计划过长。
实际 Agent 经常采用混合方式：先建立简短计划，再以“行动—观察—更新计划”的闭环推进。
好的任务分解
一个可执行步骤应当：
- 只有一个清晰目标，并能映射到具体工具或模型操作；
- 写明所需输入、预期产物和完成条件；
- 显式表达与前后步骤的依赖；
- 把高风险写操作与只读调查分开；
- 在关键边界安排验证，而不是等到最后才检查；
- 控制粒度，既不笼统到无法执行，也不细碎到增加无意义调用。
计划不是事实来源
“计划中写着完成”不代表外部任务真的完成。Harness 应根据工具结果、测试、文件状态或人工审批更新步骤状态。模型提出计划，环境证据决定步骤是否完成。
重规划时机
- 工具返回新事实，使原假设失效；
- 某个步骤失败且重试不能解决；
- 用户补充或修改目标；
- 发现新的依赖、风险或权限要求；
- 已达到时间、步骤数或成本预算；
- 验证结果表明产物仍不满足完成条件。
重规划应保留已验证成果，撤销失效假设，并说明计划为什么改变。
最小状态结构
type PlanStep = {
id: string;
goal: string;
status: "pending" | "in_progress" | "completed" | "blocked";
dependsOn: string[];
completionEvidence?: string;
};
结构化计划便于界面展示、程序校验和恢复执行。对于很短的任务，不必强行生成计划；规划本身也有 Token、延迟和维护成本。