字节笔记本
2026年10月6日 · 约 12 分钟读完
任务分解：把大象切成小块，Agentic 编程实战课 09
本文是《Agentic Coding 实战课》系列第 09 篇，主题是任务分解：怎么把一个大目标拆成 Agent 能稳定执行的小任务。这就像把大象装进冰箱，关键是先把它切成 Agent 一次吃得下的小块。规格写得再好，如果一次塞给 Agent 一个"建造一栋大楼"的任务，它依然会失控。学会分解，你才能从"做小工具"升级到"做真实项目"。
为什么 Agent 怕大任务
把大任务整个丢给 Agent，通常踩中三个坑。
风险一：上下文被耗光。 每个任务都要消耗上下文预算，一个"做完整 Web 应用"的任务可能吃掉全部预算，Agent 后半段开始"梦游"。
风险二：错了不知道哪错了。 Agent 一次做 10 件事，其中 3 件错了。你分不清是理解错了、实现错了，还是被前面的错误连带了。
风险三：返工成本爆炸。 如果 Agent 在第 1 步就理解错了，到第 8 步你才发现，前面 7 步全要重做。
一句话总结：
大任务等于高方差，你可能偶尔成功，但失败时损失惨重；小任务等于低方差，每步都可能有小偏差，但容易纠偏。
任务分解的三个层次
任务分解不是瞎拆，有一套层次结构：
- L1 项目（Project）：例，"做一个销售看板"，周期以天到周计；
- L2 功能模块（Feature）：例，"数据导入模块、图表模块、筛选模块"，周期以小时计；
- L3 可执行任务（Task）：例，"写一个函数，从 CSV 读数据，返回清洗后的结果"，周期以分钟计。
关键原则：L3 任务的大小标准，是能让 Agent 一次提交完成，且你能一眼验证对错。具体说：
- L3 任务耗时 5 到 30 分钟；
- L3 任务产出不超过 200 行代码；
- L3 任务有明确的"完成"标志；
- L3 任务失败可以单独重做。
三种分解模式
模式一：按流程切（线性任务）
适合有明确先后顺序的任务，如数据处理流水线：
项目：销售数据分析报告
├── Step 1：读取 sales.csv
├── Step 2：清洗数据（去重、补缺失、纠类型）
├── Step 3：按月聚合
├── Step 4：计算环比、同比
├── Step 5：生成图表
└── Step 6：导出 PDF 报告每一步是一个 L3 任务，严格按顺序执行。
模式二：按模块切（系统任务）
适合有多个独立组件的系统，如 Web 应用：
项目：博客网站
├── 模块 A：数据库设计（独立）
├── 模块 B：后端 API（依赖 A）
├── 模块 C：前端页面（依赖 B）
│ ├── C1：首页
│ ├── C2：文章详情页
│ └── C3：后台管理
└── 模块 D：部署（依赖 B 和 C）每个模块可以独立开发，模块内部有顺序。
模式三：按切片切（探索任务）
适合需求不完全清晰、需要边做边明确的场景：
项目：还没想清楚怎么做的小工具
├── 切片 1（MVP）：最核心的功能，能用就行
├── 切片 2：加上必备但次要的功能
├── 切片 3：打磨体验（界面、性能）
└── 切片 4：补充边界情况切片模式最适合新手：先做一个能跑的"最丑版本"，再慢慢加功能。这就是 MVP（最小可行产品）思维。
实操案例：把"做销售看板"拆开
起点是一个坏示范，一句大任务指令：
> 帮我做一个销售看板，能导入数据、显示图表、能筛选
先拆 L2，再拆 L3
L2 模块分解：
1. 数据层：导入 CSV，做数据校验
2. 计算层：聚合、筛选
3. 展示层：图表和表格
4. 交互层：日期选择、维度切换每个 L2 再拆成 L3 任务，以数据层为例：
Task 1.1：CSV 读取函数
- 输入：CSV 文件路径
- 输出：pandas DataFrame
- 要求：处理中文列名、日期解析
- 验收：用示例 sales_sample.csv 跑通
Task 1.2：数据校验函数
- 检查必填字段：日期、客户、金额
- 报告缺失、异常值
- 验收：故意传一个有缺失的 CSV，能识别问题
Task 1.3：异常值清洗
- 处理负数金额（退款）
- 处理重复行
- 验收：清洗后行数变化有报告逐个执行：一次只做一个 L3
重要原则：一次只让 Agent 做一个 L3 任务。每次 /clear 让 Agent "重新开机"，避免上下文污染；每次 commit 都是一个存档点，错了能回退。
以 Task 1.1 为例，给 Agent 的实际指令长这样：
任务：实现 CSV 读取函数
## 背景
项目：销售看板。我有一个销售数据 CSV，需要先把它读进来。
## 功能
- 函数名：load_sales_data(file_path)
- 输入：CSV 文件路径（字符串）
- 输出：pandas DataFrame
## 要求
1. 列名是中文（日期、客户名称、产品、数量、金额）
2. 日期列要解析为 datetime 类型
3. 金额列要是 float
4. 文件不存在时给清晰的错误提示
## 验收
我会在 test_load.py 里跑这个测试：
df = load_sales_data('sales_sample.csv')
assert len(df) > 0
assert df['日期'].dtype == 'datetime64[ns]'
assert df['金额'].dtype == 'float64'
请先创建 sales_sample.csv（10 行假数据），再实现函数，再跑通测试。这个 L3 任务的规格足够精准：有函数名、输入输出、验收测试，Agent 一次到位。
一个可复用的分解清单模板
每次开始新项目，按这个清单走：
Step 1：写一句话目标（这个项目要解决什么）
Step 2：列出 L2 模块（3 到 7 个）
Step 3：每个 L2 拆 2 到 5 个 L3（选上文三种模式之一）
Step 4：标注依赖关系（哪个 L3 必须等另一个先做）
Step 5：找出最小切片 MVP（最少做哪几个 L3 能让东西跑起来）
Step 6：排执行顺序（先做 MVP，再加其他）
Step 7：执行（每个 L3 等于一次会话加一次 commit）把这个模板存成 PLAN.md，每次开项目先填它，这是本系列强烈推荐的项目骨架。
三种常见分解错误
错误一：拆得太碎。 把"读取 CSV"拆成"打开文件、读行、解析字段、关闭文件"四个任务就是反例，这四件事本来就是一个原子任务，应该一起做。判断标准：如果一个任务拆开后，子任务之间没法独立测试，就别拆。
错误二：拆得太粗。 把"前端"整个当成一个 L3 任务太大，"首页""详情页""管理页"才分别是 L3。判断标准：如果一个任务预估超过 1 小时，继续拆。
错误三：忽略依赖。 同时启动"后端 API"和"前端调用"，结果前端要调的接口后端还没写。正确做法是先 API 后前端，或者先约定接口文档（Mock）再并行。
[数据层] --> [API 层] --> [前端层]
|
[接口约定/Mock]
|
可让前端先开发进阶：用 Agent 帮你分解任务
任务分解本身也可以让 Agent 帮忙，但要注意：Agent 帮你分解，你来拍板。
> 这是我的项目目标：[一句话]
> 这是约束：[技术栈、时间、不做什么]
>
> 请帮我：
> 1. 列出 3 到 7 个 L2 模块
> 2. 每个 L2 拆 2 到 5 个 L3 任务
> 3. 标注依赖关系
> 4. 推荐一个 MVP 切片
>
> 输出为 PLAN.md，我看完会修订。关键在于：让 Agent 出方案，你修订后再执行。不要让 Agent 自己分解自己执行，那样会失控。Anthropic 在 2026 年的研究报告《Agentic Coding and Persistent Returns to Expertise》里也观察到了这一点：专家和高产者会让 Agent 辅助规划，但决策权始终在人手里，这正是"持久回报"的体现，因为只有专家能判断"这个分解合不合理"。
案例：从一团乱麻到清晰路径
一位学员要做一个日历提醒小程序，前后走了两条路。
失败路径是直接下指令："帮我做一个微信小程序日历提醒应用。"结果 Agent 一顿操作生成 30 个文件，运行报错，他不知道哪里错了，崩溃放弃。
成功路径是先分解：
Step 1：L2 模块
1. 数据层：本地存储提醒
2. 逻辑层：日历计算 + 提醒触发
3. 界面层：列表页 / 详情页 / 设置页
Step 2：L3 任务与依赖
模块1：1.1 数据结构定义 -> 1.2 存取函数
模块2：2.1 日期计算（依赖1.1）-> 2.2 提醒触发
模块3：3.1 列表页（依赖1.2）-> 3.2 详情页 -> 3.3 设置页
Step 3：MVP 切片
最小可用 = 1.1 + 1.2 + 2.1 + 3.1
（能添加提醒、能在列表看到、能到时间触发）然后每天做 1 到 2 个 L3 任务，5 天完成，全程没崩。
课后练习
练习一（必做）：用上文模板把你自己手头的项目做一次完整分解，这是后续实战的执行清单。
练习二（必做）：挑一个你已经用规格化方法写好需求的小工具（比如一份"书单管理器"），把它分解成 L3 任务清单并逐个执行，注意每完成一个 L3 就 /clear 加 commit。
练习三（推荐）：找一个你以前没做完的项目，分析是不是没分解好。重新分解，看看是不是更容易推进了。
练习四（思考）：这个任务怎么拆？"做一个能根据上传图片自动生成小红书风格文案的工具。"参考拆法：L2 可分为图像理解、文案生成、界面、集成四块；MVP 是先用一组固定标签加模板文案让流程跑通，不做图像理解；然后加图像理解；最后打磨文案质量。
本章要点回顾
- Agent 怕大任务：上下文被耗光、错了不知道哪错了、返工成本爆炸。
- 三层结构：项目、模块（L2）、可执行任务（L3）。
- 三种分解模式：流程式、模块式、切片式，新手推荐切片式 MVP。
- L3 标准：5 到 30 分钟、不超过 200 行代码、可单独验证。
- 一次一个 L3，配合 /clear 和 commit，是稳定推进的节奏。
- 分解可以让 Agent 辅助，但决策权在你。
下一篇预告：任务分好了、Agent 干完了，怎么知道做得对？下一讲是验证闭环，从"看代码"到"看结果"，从"功能对"到"业务对"。
参考资料：任务分解借鉴软件工程 WBS（Work Breakdown Structure）；MVP 概念源自 Eric Ries《精益创业》；Anthropic 2026 年研究报告《Agentic Coding and Persistent Returns to Expertise》。
