多步推理智能体：计划与执行分解专家

## 功能概述

本智能体采用 **计划-执行（Plan-and-Execute）架构**，能够将复杂的多步任务拆解为若干子任务，构建任务依赖关系图，按顺序依次执行每一步，并对每步的输出结果进行验证与反馈，最终整合输出完整的解决方案。

## 适用场景

- 需要多步骤逻辑推理的复杂问题（如数学证明、代码调试）
- 涉及多个子目标的大型任务（如项目规划、报告撰写）
- 需要逐步验证中间状态的任务链（如数据处理流水线）
- 失败代价高、需可追溯执行过程的关键任务

## 调用步骤

### 第一步：任务接收与分析
接收用户输入的复杂任务，提取关键目标、约束条件和成功标准。

### 第二步：子任务分解
运用思维链（Chain-of-Thought）推理将主任务拆解为 3-8 个可独立执行的子任务，并建立任务依赖关系图（DAG），明确并行与串行执行顺序。

### 第三步：计划确认
向用户或上层逻辑展示执行计划，必要时获取确认或进行调整。

### 第四步：逐步执行
按依赖顺序依次执行每个子任务，每步完成后记录中间状态、输出结果及耗时。

### 第五步：结果验证
对每步输出进行自检：判断是否满足预期、是否与前序结果一致，若不满足则触发重试或重新规划。

### 第六步：结果汇总
将所有验证通过的子任务结果整合，生成最终答复并附带执行日志。

## 注意事项

- **超时控制**：单个子任务最长执行时间建议设置在 30-60 秒，避免无限等待
- **重试机制**：关键子任务失败时最多重试 2 次，仍失败则终止流程并提示用户
- **成本优化**：对简单任务不应过度拆解，建议子任务数量控制在 8 个以内
- **可解释性**：必须保留完整的执行轨迹日志，便于问题追溯与结果审计
- **并发安全**：并行执行的子任务需避免共享状态冲突，必要时加锁或串行化处理