5.3 规划（Planning）

规划模式解决的是如何将复杂目标分解为可执行步骤的问题。例如，撰写一份研究报告需要分解为收集数据、分析财务、撰写各章节等具体任务。

5.3.1 目标分解与任务编排

目标分解是规划的第一步。好的分解应该满足 MECE 原则：相互独立（Mutually Exclusive）、完全穷尽（Collectively Exhaustive）。每个子任务不重叠，所有子任务加起来覆盖整个目标。

分解方法有几种：

简单提示分解：直接让 AI 列出完成任务的步骤
思维链分解：用 CoT 引导逐步拆解
人工引导分解：人类提供框架，AI 细化

任务编排需要考虑依赖关系。有些任务有先后顺序，比如必须先收集数据，才能进行分析；有些任务可以并行，比如分析财务和分析行业可以同时进行。

规划有两种主要模式：

ReAct 模式：边执行边规划。完成一步后，根据结果决定下一步。适合简单任务和不确定性高的场景。

Plan-and-Execute 模式：先制定完整计划，再逐步执行。适合复杂的多步骤任务。

维度	ReAct	Plan-and-Execute
规划方式	边执行边规划	先全局规划再执行
适用场景	简单任务、快速响应	复杂多步骤任务
灵活性	高，可即时调整	中，需重规划
LLM 调用	每步都规划	规划阶段调用一次

5.3.2 约束管理与资源分配

规划不只是列任务清单，还需要管理约束条件。常见的约束包括：

时间约束：截止日期、各环节时间分配
资源约束：可用的工具、数据来源
质量约束：输出标准、合规要求

资源分配要考虑任务的优先级和复杂度。复杂任务分配更多时间，关键任务优先处理。

分层任务网络（Hierarchical Task Network, HTN）是一种经典的规划方法，源自人工智能领域的自动规划研究。HTN 的核心思想是将任务分为高层任务和底层任务：高层任务是抽象的目标（如「完成投资分析」），底层任务是具体的操作（如「计算市盈率」）。高层任务持续分解，直到所有任务都变成可直接执行的原子任务。这种层层分解的方式与人类处理复杂问题的思路一致。

5.3.3 动态重规划机制

静态计划在执行过程中常常需要调整。可能遇到的情况包括：

环境变化：数据源不可用，需要换一个
执行失败：某个步骤没有成功
新信息出现：发现了原计划没考虑到的因素

动态重规划的流程是：

监控执行：检测实际结果与预期是否一致
识别偏差：发现问题并评估影响
调整计划：修改后续步骤或整体方案

执行者可能是 AI 智能体、外部工具或人类操作员。如果执行者反馈失败或异常，规划器需要评估影响并决定下一步行动。

错误恢复是重规划的重要部分。当某个步骤失败时，可以尝试重试、使用替代方案或跳过该步骤。

初始计划：搜索"某公司2025年报" → 提取财务数据

执行结果：搜索无结果（2025年报尚未发布）

重规划：改为搜索"某公司2024年报" + 最新季报数据

5.3.4 规划验证与执行监控

规划验证在执行前检查计划的可行性：

前置条件检查：所需资源是否就绪？
依赖关系验证：任务顺序是否合理？
完整性检查：是否覆盖所有必要步骤？

执行监控在过程中跟踪进度：

记录每个任务的开始和完成时间
标记任务状态（待处理、进行中、已完成）
及时发现和处理异常

案例 5C：研报写作规划（规划）

要素	说明
演示模式	规划（Planning）
案例简述	输入撰写某公司行业分析报告目标，使用 TodoWrite 工具分解为章节大纲和写作步骤。体验目标分解与任务编排。
应用衔接	第 13 章研报生成系统的规划层（Planner Agent）直接应用此模式

实践步骤：

第一步，进入规划模式（按 Shift+Tab 两次），然后输入：

我需要撰写一份关于"云计算行业龙头公司"的深度投资分析报告。
请先制定详细的写作计划，不要开始写作。

第二步，确认计划后，Opencode 会创建任务列表：

任务状态追踪：
◐ 收集公司财务数据和行业资料
◯ 分析业务模式和竞争优势
◯ 评估财务状况和盈利能力
◯ 进行估值分析
◯ 撰写投资建议和风险提示
◯ 整理报告格式和附录

第三步，切换到执行模式，按计划逐步完成各项任务，观察任务状态的更新。

--- title: "5.3 规划（Planning）" --- 规划模式解决的是如何将复杂目标分解为可执行步骤的问题。例如，撰写一份研究报告需要分解为收集数据、分析财务、撰写各章节等具体任务。 ### 5.3.1 目标分解与任务编排目标分解是规划的第一步。好的分解应该满足 MECE 原则：相互独立（Mutually Exclusive）、完全穷尽（Collectively Exhaustive）。每个子任务不重叠，所有子任务加起来覆盖整个目标。分解方法有几种： - **简单提示分解**：直接让 AI 列出完成任务的步骤 - **思维链分解**：用 CoT 引导逐步拆解 - **人工引导分解**：人类提供框架，AI 细化任务编排需要考虑依赖关系。有些任务有先后顺序，比如必须先收集数据，才能进行分析；有些任务可以并行，比如分析财务和分析行业可以同时进行。规划有两种主要模式： **ReAct 模式**：边执行边规划。完成一步后，根据结果决定下一步。适合简单任务和不确定性高的场景。 **Plan-and-Execute 模式**：先制定完整计划，再逐步执行。适合复杂的多步骤任务。 | 维度 | ReAct | Plan-and-Execute | |------|-------|------------------| | 规划方式 | 边执行边规划 | 先全局规划再执行 | | 适用场景 | 简单任务、快速响应 | 复杂多步骤任务 | | 灵活性 | 高，可即时调整 | 中，需重规划 | | LLM 调用 | 每步都规划 | 规划阶段调用一次 | ### 5.3.2 约束管理与资源分配规划不只是列任务清单，还需要管理约束条件。常见的约束包括： - **时间约束**：截止日期、各环节时间分配 - **资源约束**：可用的工具、数据来源 - **质量约束**：输出标准、合规要求资源分配要考虑任务的优先级和复杂度。复杂任务分配更多时间，关键任务优先处理。分层任务网络（Hierarchical Task Network, HTN）是一种经典的规划方法，源自人工智能领域的自动规划研究。HTN 的核心思想是将任务分为高层任务和底层任务：高层任务是抽象的目标（如「完成投资分析」），底层任务是具体的操作（如「计算市盈率」）。高层任务持续分解，直到所有任务都变成可直接执行的原子任务。这种层层分解的方式与人类处理复杂问题的思路一致。 ![规划组件架构](images/img_04_规划组件架构.png) ### 5.3.3 动态重规划机制静态计划在执行过程中常常需要调整。可能遇到的情况包括： - 环境变化：数据源不可用，需要换一个 - 执行失败：某个步骤没有成功 - 新信息出现：发现了原计划没考虑到的因素动态重规划的流程是： 1. **监控执行**：检测实际结果与预期是否一致 2. **识别偏差**：发现问题并评估影响 3. **调整计划**：修改后续步骤或整体方案执行者可能是 AI 智能体、外部工具或人类操作员。如果执行者反馈失败或异常，规划器需要评估影响并决定下一步行动。错误恢复是重规划的重要部分。当某个步骤失败时，可以尝试重试、使用替代方案或跳过该步骤。 ``` 初始计划：搜索"某公司2025年报" → 提取财务数据执行结果：搜索无结果（2025年报尚未发布）重规划：改为搜索"某公司2024年报" + 最新季报数据 ``` ### 5.3.4 规划验证与执行监控规划验证在执行前检查计划的可行性： - **前置条件检查**：所需资源是否就绪？ - **依赖关系验证**：任务顺序是否合理？ - **完整性检查**：是否覆盖所有必要步骤？执行监控在过程中跟踪进度： - 记录每个任务的开始和完成时间 - 标记任务状态（待处理、进行中、已完成） - 及时发现和处理异常 **案例 5C：研报写作规划（规划）** | 要素 | 说明 | |------|------| | 演示模式 | 规划（Planning） | | 案例简述 | 输入撰写某公司行业分析报告目标，使用 TodoWrite 工具分解为章节大纲和写作步骤。体验目标分解与任务编排。 | | 应用衔接 | 第 13 章研报生成系统的规划层（Planner Agent）直接应用此模式 | **实践步骤**：第一步，进入规划模式（按 Shift+Tab 两次），然后输入： ``` 我需要撰写一份关于"云计算行业龙头公司"的深度投资分析报告。请先制定详细的写作计划，不要开始写作。 ``` 第二步，确认计划后，Opencode 会创建任务列表： ``` 任务状态追踪： ◐ 收集公司财务数据和行业资料 ◯ 分析业务模式和竞争优势 ◯ 评估财务状况和盈利能力 ◯ 进行估值分析 ◯ 撰写投资建议和风险提示 ◯ 整理报告格式和附录 ``` 第三步，切换到执行模式，按计划逐步完成各项任务，观察任务状态的更新。