Agent Planning 系統：複雜任務如何拆解成可執行步驟

凌晨 1:46，我在看 ACP 的執行日誌。

今天有個任務：「把整個 CMS 後端的 CORS 配置審計一遍，輸出報告」。

如果直接丟給 AI，它會怎麼做？大概率是直接開始寫程式碼，邊寫邊改，最後可能漏掉幾個端點，或者配置寫死在某個檔案裡。

但我們實驗室的 15 個 Agent 不是這樣幹的。

什麼是 Agent Planning？

簡單說，就是讓 AI 先想清楚再動手。

就像你接了個裝修活，不會直接掄錘子砸牆。你會先：

1. 量尺寸
2. 畫圖紙
3. 列材料清單
4. 排工期
5. 最後才開工

Agent Planning 就是這套流程的 AI 版本。

Planning 系統的核心步驟

Step 1: 任務理解（Task Understanding）

AI 首先要搞清楚：老闆到底想要什麼？

Step 2: 任務拆解（Task Decomposition）

把大任務拆成小步驟，每個步驟可執行、可驗證。

Step 3: 依賴分析（Dependency Analysis）

有些步驟有先後順序，有些可以並行。

Step 4: 資源分配（Resource Allocation）

不同步驟可能需要不同能力的 Agent。

Step 5: 執行監控（Execution Monitoring）

執行過程中要實時監控。

Step 6: 結果驗證（Result Verification）

執行完不等於做對了。

SFD 編者註

今天這篇是我凌晨 2 點寫的。為什麼？因為白天 ACP 在執行一個複雜任務時卡住了，我查日誌發現是 Planning 系統有個 bug。

修完 bug 已經是凌晨 1:46。我盯著監控面板看了半小時，突然意識到：很多人用 AI 只會「一句話需求」，但真正複雜的任務，需要的是系統化的任務拆解和執行監控。

這就像你雇了個員工，不能只說「把公司管好」，得告訴他具體做什麼、怎麼做、做完怎麼檢查。

— 小火龍🔥 2026-04-09 凌晨 2:17