Task Decomposition：Agentic Workflow 最底层的核心

• 原文链接：https://mp.weixin.qq.com/s/dFZDxPH7HjKV46mE8w1hww
• 作者：Leeka（影刀 RPA 高级工程师 / 生财有术 RPA 航海教练 / 专攻 AI 编程 + AI 写作）
• 公众号定位：RPA / AI 教程类
• 发布时间：2026-06-29

核心结论（一句话）

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。

分类提炼

• 场景：Agent 落地方法论 / 任务拆解 / Workflow 编排
• 标签： #主题/任务拆解 #主题/Agentic-Workflow #主题/Agent落地 #主题/MCP #主题/Human-in-the-loop
• 类型：实操方法论（4 步法 + 实战案例 + 7 个 Seetong 借鉴动作）

知识节点（10 个独立概念）

• 三层世界观：Human SOP（写给人看，含默会知识）/ Skill（单点任务执行单元）/ Agentic Workflow（串联多个 Agents/Tools/Skills/数据源的全自动生产线）
• 90% 真相：LLM 底层能力已足够强，90% 的失败不是模型不够聪明，是不会把大任务拆成 AI 真正能跑得动的小 Task
• Mega Agent 死路：AGI 来了也不行——AI 没有读心术；黑箱 = 不可预测 + 不可观测 + 不可修复；大公司绝不敢让黑箱上 Production
• 分而治之（Divide and Conquer）：4 个小 Agent 各干一件边界明确的小事；哪里坏了改哪里，对症下药——可预测性 + 可观测性 + 可修复性 = 自动化工作流在生产环境活下去的铁律
• 四步法·标准化：参数化（Temperature 模板化）+ MUST/SHOULD/MAY 法则（RFC 2119）+ 结构化 Markdown（Parameters/Steps/Error Handling 三段式）
• 四步法·拆解与连接：Pipeline Steps + 严格 JSON 数据契约（Artifact）；上一节点 Output = 下一节点 Input
• 四步法·双向开发：小步快跑——首发粗糙 SOP + 跑一轮 + 踩坑 + 补 MUST 规则 + 下一轮迭代；速度的本质不是首发多完美，而是迭代有多快
• 四步法·MCP 整合：MCP = AI 世界里的 Type-C 接口；Claude/ChatGPT/Cursor 都可用同一套标准调外部 Tools/Resources
• Human-in-the-loop Checkpoint：高风险节点（财务支出 > 5000 元 / 权限变更 / 设备解绑 / 远程开门）必须人工 Approve
• 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%+

关联图谱

上游（基于 / 来自）

• 斯坦福 AI 系统构建教学影片（2026）/ Leeka 个人 AI 落地咨询案例 / RFC 2119 网络协议规范

下游（应用于 / 验证于）

• Seetong AI 助手：如何拆成多个边界明确的小 Skill（避免 Mega Agent）
• Seetong 客服 SOP 翻译：Human SOP → Skill + Agentic Workflow
• Seetong 高风险节点：设备添加/远程开门/解绑/支付 → Human-in-the-loop Checkpoint

同级（横向 / 并列）

• [[01-ai-agents/0xCodez-Agent-Harness-14-Steps]] - Agent Harness 14 步法（工程框架）
• [[02-ai-coding/Addy-Osmani-Loop-Engineering]] - Loop Engineering 验证才是瓶颈（本文是”拆”，Addy 是”测”，互补）
• [[01-ai-agents/阿里妹-端到端业务需求专家Agent-4层架构8步流程]] - 4 层架构 8 步流程（业务端）
• [[01-ai-agents/阿里云开发者-淘宝主播Agent的Harness工程实战]] - 阿里淘宝 Agent 工程实战
• [[01-ai-agents/清华沈阳-自进化AI新物种]] - 自进化 AI 新物种
• [[01-ai-agents/Multica-AI-Native-组织-人是最慢的节点]] - Multica AI Native 组织
• [[06-ai-tech/Harness不是目的，知识才是护城河：一个 AI 工程交付团队的知识沉淀实践]] - Harness vs 知识护城河

正文要点（5 条）

1. 三层世界观（Human SOP / Skill / Agentic Workflow）——Human SOP 靠默会知识补全，AI 缺这能力；Skill = 单点任务执行单元；Agentic Workflow = 整条现代化生产线
2. Mega Agent 死路——AGI 来了也不行（”这跟帮手够不够聪明没有半毛钱关系”）；黑箱不可预测 + 不可观测 + 不可修复；大公司绝不敢上 Production
3. 四步法·标准化——参数化 + MUST/SHOULD/MAY + 结构化 Markdown；MUST 是铁律（不能跳过），SHOULD 是强烈建议（特殊情况可跳过但必须 Log），MAY 是可选
4. 四步法·拆解 + 双向开发 + MCP 整合——Pipeline Steps + JSON 数据契约 + 首发粗糙小步快跑 + MCP 整合外部工具
5. Human-in-the-loop Checkpoint——高风险节点（>5000 元/权限变更）必须人工 Approve；AI 是执行者，人是方向盘

6 个对 Seetong 团队可借鉴动作

1. 不搞 Seetong “Mega Agent”：按 Divide and Conquer 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；写进 seetong-knowledge-system/SKILL.md
4. MCP 集成规划：Seetong AI 助手按 MCP 标准接入内部系统（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%+

备注与限制

• 本文是 RPA/AI 教程类公众号推送，核心是 Agent 落地的”任务拆解”方法论
• 与 [[02-ai-coding/Addy-Osmani-Loop-Engineering]] 区别：Addy 关注”Loop 验证”，本文关注”任务拆解”——“测”+”拆”互补
• 与 [[01-ai-agents/0xCodez-Agent-Harness-14-Steps]] 区别：0xCodez 是 14 步 Harness 框架，本文是 4 步 SOP 翻译法
• 与 [[01-ai-agents/阿里妹-端到端业务需求专家Agent-4层架构8步流程]] 区别：阿里妹 4 层 8 步（业务端），本文 4 步翻译（Human SOP → Workflow）
• 核心反直觉：AGI 来了也必须拆——”这跟帮手够不够聪明没有半毛钱关系”
• 未展开：MCP 协议具体技术细节（Leeka 假设读者已了解）；Skill 文件夹具体结构

相关链接

• 原文：https://mp.weixin.qq.com/s/dFZDxPH7HjKV46mE8w1hww
• 同主线 [[01-ai-agents/0xCodez-Agent-Harness-14-Steps]] / [[02-ai-coding/Addy-Osmani-Loop-Engineering]] / [[01-ai-agents/阿里妹-端到端业务需求专家Agent-4层架构8步流程]] / [[01-ai-agents/阿里云开发者-淘宝主播Agent的Harness工程实战]] / [[01-ai-agents/清华沈阳-自进化AI新物种]] / [[01-ai-agents/Multica-AI-Native-组织-人是最慢的节点]] / [[06-ai-tech/Harness不是目的，知识才是护城河：一个 AI 工程交付团队的知识沉淀实践]]
• 反向参考：[[06-ai-tech/Harness不是目的，知识才是护城河：一个 AI 工程交付团队的知识沉淀实践]]（知识护城河比 Harness 重要；本文”任务拆解”也是”比 Harness 更底层的地基”）