Task Decomposition - Digest

一句话总结

Task Decomposition 是 Agentic Workflow 最底层核心——90% 的问题不是模型不够聪明，是不会拆；四步法：① 标准化（参数化 + MUST/SHOULD/MAY + Markdown）② 拆解（Pipeline + JSON 数据契约）③ 双向开发（小步快跑）④ MCP 整合（AI 世界的 Type-C）+ Human-in-the-loop Checkpoint。

速查表（10 节点）

# 节点 一句话定义
1 三层世界观 Human SOP（写给人看）/ Skill（单点任务）/ Agentic Workflow（生产线）
2 90% 真相 LLM 能力已够；90% 失败是不会拆，不是模型不够聪明
3 Mega Agent 死路 AGI 来了也不行；黑箱=不可预测+不可观测+不可修复
4 分而治之 4 个小 Agent 各干一件边界明确的小事；哪里坏了改哪里
5 标准化 参数化 + MUST/SHOULD/MAY（RFC 2119）+ 结构化 Markdown
6 拆解与连接 Pipeline Steps + 严格 JSON 数据契约；上节点 Output = 下节点 Input
7 双向开发 小步快跑；速度的本质不是首发多完美，而是迭代有多快
8 MCP 整合 MCP = AI 世界里的 Type-C 接口；统一标准调外部 Tools
9 HITL Checkpoint 高风险节点（>5000 元/权限变更）必须人工 Approve
10 实战案例 200 人公司内部请求分拣系统；20 次测试+3 轮迭代→正确率 98%+

关键金句（5 条）

  1. “90% 的原因不是模型不够聪明，而是你根本不知道怎么把一个巨大的、模糊的任务，拆成 AI 真正能跑得动的小 Task。”
  2. “高超的任务拆解能力是构建稳定、可观测、生产就绪（Production-ready）系统的唯一地基。”
  3. “大公司绝对不敢让这种黑箱系统上 Production，因为他们无法容忍这种不可预测的崩溃。”
  4. “速度的本质，不是首发多完美，而是迭代有多快。”
  5. “MCP 就是 AI 世界里的 Type-C 接口。”

3 个反直觉

6 个对 Seetong 借鉴动作

  1. 不搞 Seetong “Mega Agent”：拆成 4-5 个边界明确的小 Skill（设备分诊/反馈分诊/远程操作/添加设备/报警处理）
  2. 客服 SOP 四步翻译：把 Seetong 客服 SOP/反馈分诊 SOP 按 Leeka 四步法翻译成 Skill + Agentic Workflow
  3. MUST/SHOULD/MAY 法则引入：Seetong AI 助手所有规则用三档标注
  4. MCP 集成规划：Seetong AI 助手按 MCP 标准接入（设备/反馈/工单/Logan/神策/友盟）
  5. 高风险节点强制 HITL：设备添加/远程开门/解绑/超 N 元支付 → 人工 Approve
  6. 双向开发节奏：先跑粗糙版 1-2 周，踩坑→补 MUST 规则→下一轮迭代，目标正确率 98%+

关联 + 备注