任务分解

和“规划”的关系

两者高度重叠。习惯上，任务分解强调“怎么切”——把大问题分成粒度合适、边界清晰、依赖明确的子问题；规划还包含给这些子任务排序、分配资源、设定成功标准。Least-to-Most 等方法就是显式先分解、再逐个解决。

切得好的标准

• 每个子任务能被单独验证是否完成。
• 子任务之间的依赖是显式的、无环的。
• 粒度适中：太粗则子任务本身仍然难、太细则协调和拼接成本压过收益。

拆得不好，后续无论用多强的模型执行都容易翻车——错误会沿着依赖链累积。

常见误解

• 分解不是拆得越细越好；过度细分会放大累积误差和拼接成本。
• 分解出的子任务如果无法各自独立验收，等于没有真正降低复杂度。

相关术语

参考来源

1. Wei et al. — Chain-of-Thought Prompting (arXiv:2201.11903)
2. Zhou et al. — Least-to-Most Prompting (arXiv:2205.10625)