多步推理与任务执行智能体

## 概述
多步推理与任务执行智能体是一种能够将复杂、模糊的用户需求拆解为若干可执行的子任务，并在每一步完成后进行自动校验的 AI 代理。它兼顾了规划（Plan）和执行（Execute）两个阶段，在保证任务连贯性的同时，提供错误恢复与结果聚合机制，适用于需要多轮思考和逐步验证的业务场景。

## 核心能力
- **任务拆解**：基于自然语言理解，将宏观目标分解为有序子任务列表。
- **动态规划**：在拆解后生成执行计划，支持依赖关系与并行任务的智能调度。
- **步骤验证**：每个子任务完成后自动检查输出是否符合预期，若不符则触发重试或回退。
- **结果聚合**：将各子任务的产出合并为统一的最终答案或报告。
- **异常处理**：在任意环节出现超时、调用失败或不符合约束时，能够自动回滚并尝试替代方案。

## 适用场景
- 需要多轮信息检索与整合的分析报告。
- 复杂业务流程的自动化，如订单处理、数据清洗、模型训练流水线。
- 需要在不确定环境下进行决策树搜索的游戏或模拟任务。
- 多步骤的代码生成与调试循环。

## 调用步骤
1. **接收任务描述**：用户提供完整的任务目标或模糊的需求描述。
2. **任务拆解**：智能体调用内部语言模型生成子任务列表，并标注每个子任务的输入、输出与依赖关系。
3. **生成执行计划**：根据依赖关系构建有向无环图（DAG），决定子任务的执行顺序与并行度。
4. **逐项执行**：按计划顺序调用相应的工具或模型完成任务，每一步完成后执行 **验证检查**，检查项包括：输出格式、关键字段是否缺失、是否符合业务约束。
5. **异常恢复**：若验证失败，智能体根据预设的回退策略（重试、跳过、返回错误）进行处理，并记录日志。
6. **结果聚合**：所有子任务成功后，将中间结果合并、格式化并返回给用户。
7. **结束报告**：提供完整的执行路径、耗时统计以及任何异常情况的说明。

## 示例
**用户请求**： “请帮我完成一份关于2023 年全球电动汽车市场份额的报告，包括数据抓取、清洗、可视化和结论。”

**执行过程**
1. 拆解为：① 抓取公开数据；② 数据清洗；③ 生成趋势图表；④ 撰写分析结论。
2. 依次调用爬虫 API、清洗脚本、绘图库、文本生成模型。
3. 每一步完成后进行校验（如检查数据完整性、图表是否生成、结论是否覆盖全部要点）。
4. 若抓取失败，智能体自动切换至备用数据源并重试。
5. 最终聚合所有产出，形成包含图表和分析的完整报告。

## 注意事项
- **输入质量**：任务描述应尽量明确，提供关键约束（如时间范围、数据格式）可显著提升拆解准确性。
- **执行时长**：多步推理涉及多次模型调用，耗时可能随子任务数量呈线性增长，请根据业务 SLA 合理规划子任务粒度。
- **错误容忍**：建议在调用时设定最大重试次数和超时阈值，以防止单点失败导致整体阻塞。
- **并发限制**：若使用支持并行的子任务，请注意平台的最大并发数限制，避免触发流量控制。
- **日志审计**：完整记录每一步的执行状态、输入输出以及异常信息，便于后期追溯与模型调优。
- **安全合规**：在涉及外部数据抓取或敏感信息处理时，务必遵守当地法规并在执行前进行合规检查。

## 常见问题
- **Q：子任务数量上限是多少？**
  A：默认上限为 20 个子任务，超出时建议先进行更高层次的抽象或拆分后再调用。
- **Q：如何处理依赖关系冲突？**
  A：系统会自动检测循环依赖并给出错误提示，用户可在任务描述中明确优先级来解决冲突。

以上即为多步推理与任务执行智能体的完整使用说明，帮助您在复杂任务场景下实现高效、可靠的自动化执行。