多步规划与执行推理智能体

## 技能概述

多步规划与执行推理智能体是一种面向复杂任务的 AI 智能体，采用 Plan-and-Execute（规划-执行）范式，将用户提交的复杂任务自动拆解为若干可执行的子任务，按照依赖关系依次执行，并在每一步完成后进行结果验证，确保最终输出可靠且符合预期。

## 适用场景

- 需要拆解为多步骤才能完成的复杂任务，例如数据分析、报告撰写、代码开发等
- 任务存在明确子目标，但执行路径需要根据中间结果动态调整
- 需要对每一步输出进行校验，避免错误累积影响最终结果
- 多工具协同调用，需要统一编排与状态管理的场景

## 调用步骤

1. **任务输入**：向智能体清晰描述需要完成的目标，提供必要的上下文、约束条件、可用工具以及期望的输出格式。
2. **任务规划**：智能体自动分析任务，生成包含若干子任务的执行计划，明确每个子任务的目标、输入输出以及步骤间的依赖关系。
3. **逐步执行**：按照计划依次执行每个子任务，调用合适的工具或模型完成具体操作，并将中间结果存入上下文。
4. **结果验证**：每一步执行完毕后，对输出进行校验；若验证不通过，则自动重试、调整参数或重新规划后续步骤。
5. **汇总输出**：将所有通过验证的子任务结果整合，生成最终交付物并返回给用户，同时输出执行轨迹供追溯。

## 注意事项

- 输入任务时尽量明确目标、边界条件与验收标准，避免模糊表述导致规划偏离预期方向。
- 智能体在执行过程中可能因工具失败、接口异常或结果不符而触发重试，建议设置合理的最大重试次数与超时时间。
- 对于涉及外部副作用的操作（如发送邮件、删除数据、调用支付接口等），建议在执行前增加人工确认环节以降低风险。
- 当任务步骤过多时，可能出现上下文信息丢失或 token 超限的情况，可考虑开启摘要压缩、分阶段执行或外部状态持久化机制。
- 验证环节依赖预设规则与判定标准，对于主观判断较多的复杂任务，建议结合人工复核以提升最终结果的可靠性。