Appearance
12.2 子任务分解提示（Task Decomposition）
引言：为什么复杂任务一定要"拆解"
大模型无法在一次推理中同时完成理解、规划、执行、验证等多项任务。Task Decomposition 是把复杂任务拆成最小可控单元（Atomic Tasks）的核心技术。
12.2.1 什么是子任务分解
子任务分解的定义：将一个复杂任务拆分为多个"明确、独立、可验证"的子任务，每个子任务使用单独 Prompt 完成。
| 子任务要求 | 说明 |
|---|---|
| 单一目标 | Single Goal |
| 明确定义 | Well-defined |
| 可验证 | Verifiable |
| 可复用 | Reusable |
12.2.2 为什么需要子任务分解
| 原因 | 说明 |
|---|---|
| 防止模型"负载过高" | 每步压力降低，稳定性显著上升 |
| 便于错误定位 | 哪个步骤有问题一目了然 |
| 可扩展性与维护性强 | 只需替换其中一个子任务 |
| 支持多模型协作 | GPT写内容、Claude分析、Gemini验证 |
| 有助于防伪造CoT | 推理路径更自然，错误率更低 |
12.2.3 五步拆解法
| 步骤 | 说明 |
|---|---|
| 理解任务 | 任务不能模糊，明确输入输出 |
| 提取子目标 | 将大任务拆成多个目标 |
| 识别依赖关系 | 主题→大纲→段落内容 |
| 定义子任务 | 每个子任务必须独立可执行 |
| 生成 Task Graph | 顺序链/分支链/合并链 |
12.2.4 三类任务结构
| 结构 | 说明 | 适用场景 |
|---|---|---|
| Linear | A→B→C 顺序执行 | 报告、多段生成 |
| Parallel | A/B/C 同时执行，D合并 | 多来源信息融合 |
| Hybrid | A→B, A→C, B+C→D | 复杂AI系统 |
12.2.5 常见错误
| 错误 | 后果 |
|---|---|
| 子任务目标不明确 | 模型行为混乱 |
| 子任务之间逻辑冲突 | 输出不稳定 |
| 把子任务设计得过大 | 非原子任务 |
| 太多子任务 | 流程复杂难维护 |
12.2.6 QA Checklist
✓ 子任务是否原子化？
✓ 子任务是否可单独执行？
✓ 是否有明确输入输出？
✓ 子任务之间依赖是否清晰？
✓ 是否可以自动化验证？本节小结
关键要点
- 子任务分解是 Prompt Chaining 的基础
- 模型无法一次性处理复杂任务
- 使用五步拆解法最清晰可控
- 子任务必须满足"单一目标+可验证+可独立执行"
子任务分解是 Pipeline 的核心，接下来我们将学习：多阶段上下文管理。
