任务分解与规划提示

一句话定义

任务分解（Least-to-Most / Plan-and-Solve 一族技法）把一个大任务显式拆成有序子任务序列，逐个完成再汇总——用"计划"约束生成路径，而不是指望模型一步到位。

为什么重要

模型一次生成的可靠性随任务复杂度下降，而多数生产任务天然是复合的（"读完这份 50 页报告并写摘要"）。分解是与 思维链（CoT）：让推理显式化 互补的结构手段：CoT 把推理拆步，分解把任务拆步；后者能突破单次上下文的限制（分批处理超长文档，见 长文档组织：分块、裁剪与引用定位），也让失败可以定位到具体子任务——这是调试复合提示的唯一抓手。

前置知识

• 思维链（CoT）：让推理显式化：分解后的子任务内部仍常用 CoT；
• 上下文窗口与注意力预算：分批策略的动因是窗口预算。

直观类比

搬家时列清单再装箱：不列清单直接搬，一定会漏东西且不知道漏了哪件；列了清单，每个箱子对应清单条目，漏了立刻能定位——分解给提示工程的就是这份"可定位性"。

图示

大任务：评审 50 页标书
  ├─ Map：第1块摘要 → 第2块摘要 → … → 第10块摘要   （可并行、各自独立）
  ├─ Reduce：汇总 10 份块摘要 → 全局要点清单
  └─ Final：按评审维度清单 → 输出结构化评审意见

核心概念

• 计划先行（Plan）：先让模型只产出子任务清单，人工或程序审核后再执行——把"想清楚"和"做出来"拆成两次生成。
• 逐级求解（Least-to-Most）：子任务按依赖顺序逐个求解，前序答案作为后续条件。
• 分批与汇总（Map-Reduce）：把超长输入切块分别处理（Map），再对结果汇总（Reduce）——处理超窗口文档的标准模式。
• 子任务契约：每个子任务有自己的输入、输出格式与完成判据。
• 失败隔离：某个子任务失败可单独重试，不拖垮全局。

原理与机制

分解有效的原因：每个子任务的生成条件更聚焦（上下文更短、目标更单一），错误率低于一次长生成；中间产物显式落盘，既可人工干预也可程序校验。工程推论：

1. 先计划后执行优于"边想边做"：计划阶段产出可审计的清单，执行阶段照单施工，两个阶段可用不同温度（计划低温度求稳，执行按需）；
2. 子任务间用结构化交接：前序输出用固定 JSON/表格传递，避免自然语言衔接引入歧义；
3. Map 段要无状态：每个块的提示自包含（块内含必要背景），不依赖"上文记得什么"——否则切块反而引入失忆错误。

公式或模型

本节不适用——任务分解是结构策略而非数学模型；块长、批数等经验参数需按任务在评估集上选型（见 评估集构建：黄金样本与失败分类）。

实例或案例

案例：会议记录 → 行动项系统的两段式提示。 需求：从 2 小时会议记录提取行动项并指派负责人。一次生成总是漏项。操作步骤：① 拆成三段：A 提取所有"某人承诺做某事"的句子（只提取不判断）；B 对每句归类为行动项/决议/闲聊；C 按负责人汇总成表。每段模板：

[A 段] 以下是会议记录。逐段找出所有"承诺/要求做事"的句子，
原样摘录并标注发言人，不要判断是否重要，输出编号列表：
1. [发言人] 原句
…
[B 段] 对下列句子逐一分类：行动项 / 决议 / 其他。
分类标准：有明确负责人与动作 → 行动项。
{A 段输出}
[C 段] 将行动项按负责人汇总为表格：
| 负责人 | 事项 | 来源编号 |

排错清单：

• 症状：子任务输出衔接走样 → 交接格式不严格，改为 JSON 交接并校验（校验-重试回路：让输出自修复）；
• 症状：Map 各块结论互相矛盾 → 正常现象，冲突消解应显式放入 Reduce 段提示（"列出冲突，不要强行统一"）；
• 症状：计划清单质量差 → 计划段缺少任务背景或成功标准，补充后重生成计划；计划段也可用 自洽性（Self-Consistency）：用多次采样投票换稳定 多路投票选最优计划。

常见误区

• 过度分解：把简单任务拆成七八段，编排成本与失败点反而增加；判断标准——单次生成在该任务上是否已经可靠（用评估集证明）；
• 子任务无契约：只说"总结这一段"，输出格式随机导致 Reduce 段无法稳定消费；
• Map 段隐式依赖：块提示里写"如前所述"，切块后"前"不存在了——每个块必须自包含。

自测题

1. 任务分解与 CoT 的分工是什么？

答：CoT 拆单次生成内的推理步骤；分解把复合任务拆成多次独立生成，突破单次可靠性与窗口限制。

1. Map-Reduce 中为什么每个块必须自包含？

答：块之间不共享上下文，任何"如前所述"式依赖都会失效；自包含保证块级可并行、可重试。

1. 为什么计划与执行分两段生成？

答：计划可审计、可修改、可投票；执行照单施工更稳定，失败也能定位到具体子任务。

与其他知识点的关系

长文档组织：分块、裁剪与引用定位 的长文档组织是 Map-Reduce 的主战场；上下文压缩：摘要、滚动与层级 的层级压缩与 Reduce 段思路同源；子任务交接的结构化要求由 结构化输出：JSON/YAML 与 Schema 约束/校验-重试回路：让输出自修复 保障。

延伸阅读

• 综述：The Prompt Report（Schulhoff et al., 2024）——Least-to-Most 与分解类技法的谱系。