概述
在前面几节中，我们讨论了如何通过摘要压缩管理上下文、如何通过人工审批控制风险、如何限制调用次数控制成本，以及如何保护敏感信息。现在我们要关注另一个问题：如何让AI智能体更好地处理复杂任务，特别是那些需要多步骤、长时间执行的任务。
当任务很复杂时，AI智能体可能会迷失方向，不知道下一步该做什么。或者用户想了解任务进度，却发现AI智能体无法清楚地说明当前状态。
To-do list中间件就是为了解决这个问题而设计的。它为AI智能体提供任务规划与跟踪能力，让AI智能体能够将复杂任务拆解成多个子任务，创建待办清单，并在执行过程中跟踪进度、调整计划。这样，AI智能体就能更有条理地处理复杂任务，用户也能清楚地了解任务进展。
使用场景
复杂多步骤任务
需要协调多个工具、按顺序执行的复杂任务。比如"分析销售数据并生成可视化报告"，这个任务涉及多个步骤：获取数据、清洗数据、分析数据、生成图表、生成报告等。
长时间运行任务
需要较长时间完成的任务，比如"爬取网站并整理数据"。通过待办清单，用户可以清楚地看到当前进度，知道任务进行到哪一步了。
任务分解与优先级
AI智能体可以将复杂任务拆解为子任务，并设置优先级，按重要性顺序执行。这样能确保重要任务优先完成。
核心功能需求
自动任务规划
当AI智能体收到一个复杂任务时，应该能够自动分析任务，并将其拆解为多个可执行的子任务。
任务拆解逻辑
- 识别任务复杂度：判断任务是否需要规划（简单任务可能不需要）
- 任务分解：将复杂任务拆解为多个子任务
- 依赖关系识别：识别子任务之间的依赖关系，确定执行顺序
- 优先级设定：为子任务设置优先级
产品建议：可以在PRD中约定任务复杂度阈值，比如任务涉及3+个工具、预计执行时间>30秒，超过阈值则触发规划。
待办清单创建
AI智能体使用<code>write_todos</code>工具创建待办清单，每个待办项包含：
- ID：唯一标识符
- 描述：任务描述
- 状态：pending（待执行）、in_progress（执行中）、completed（已完成）
进度跟踪与更新
在执行过程中，AI智能体需要能够更新待办清单的状态，反映当前的执行进度。
状态更新机制
- 自动更新：当AI智能体开始执行某个子任务时，自动将状态更新为<code>in_progress</code>
- 完成标记：任务完成后，将状态更新为<code>completed</code>
- 失败处理：如果任务失败，可以标记为失败状态，并允许调整后续计划
动态调整
AI智能体可以根据执行过程中的新信息动态调整计划：
- 添加新任务：发现需要额外的步骤，可以添加新的待办项
- 删除任务：发现某些步骤不必要，可以删除
- 调整优先级：根据实际情况调整任务的执行优先级
可观测性
待办清单不仅用于AI智能体内部规划，也可以向用户展示，让用户了解任务进展。
可视化展示
- 进度展示：可以向用户展示当前进度，比如"已完成3/5个任务"
- 任务列表：可以展示待办清单，让用户看到所有任务及其状态
- 实时更新：任务状态实时更新，用户可以看到最新的进展
产品建议：如果应用有前端界面，建议展示待办清单，提升用户体验。
PRD需求描述
功能需求
FR-1: 自动任务规划
- 描述：AI智能体能够自动分析复杂任务，并将其拆解为多个子任务
- 触发条件：可以配置任务复杂度阈值，超过阈值则触发规划
- 任务拆解：支持将任务拆解为多个子任务，识别依赖关系和优先级
- 优先级：P0（核心功能）
FR-2: 待办清单管理
- 描述：AI智能体可以使用<code>write_todos</code>工具创建、更新待办清单
- 清单结构：每个待办项包含ID、描述、状态等信息
- 状态管理：支持pending、in_progress、completed等状态
- 优先级：P0（核心功能）
FR-3: 进度跟踪与更新
- 描述：在执行过程中自动更新待办清单状态，反映当前进度
- 动态调整：支持根据执行情况动态添加、删除、修改待办项
- 优先级调整：支持调整待办项的优先级
- 优先级：P0（核心功能）
FR-4: 任务可视化
- 描述：向用户展示待办清单和任务进度
- 进度展示：展示当前进度，如"已完成3/5个任务"
- 任务列表：展示所有任务及其状态
- 实时更新：任务状态实时更新
- 优先级：P1
非功能需求
NFR-1: 状态持久化
- 状态保存：待办清单保存在Agent state中，需要支持状态持久化
- 跨请求保持：待办清单需要在多轮请求中保持一致性
- 状态大小限制：需要注意state大小限制，避免待办项过多导致state过大
NFR-2: 性能要求
- 规划成本：创建待办清单需要额外的模型调用，需要控制成本
- 规划时间：任务规划不应显著影响响应时间
NFR-3: 可观测性
- 进度日志：记录任务规划的详细信息，包括待办清单内容、状态更新等
- 监控指标：监控任务规划触发率、平均任务数量、任务完成率等
产品设计要点
任务规划触发条件
简单任务：
- 单步骤任务（如"查询天气"）不需要规划
- AI智能体可以直接执行
复杂任务：
- 多步骤任务（如"分析数据并生成报告"）应该触发规划
- 可以在PRD中约定复杂度阈值
判断标准：
- 任务涉及的工具数量（如3+个工具）
- 预计执行时间（如>30秒）
- 任务复杂度评分
产品建议：建议在PRD中明确任务复杂度判断标准，确保AI智能体能够准确识别何时需要规划。
待办清单可视化设计
前端展示：
- 展示待办清单，让用户看到所有任务
- 用不同颜色或图标区分不同状态（待执行、执行中、已完成）
- 展示进度条，直观显示完成进度
进度反馈：
- 定期向用户反馈当前进度（如"已完成3/5个任务"）
- 当任务状态更新时，及时通知用户
产品建议：如果有前端界面，建议设计清晰的待办清单展示，提升用户体验。
计划调整机制
动态更新：
- 支持在执行过程中动态添加、删除、修改待办项
- 当发现新信息时，能够灵活调整计划
优先级调整：
- 支持调整待办项的优先级
- 确保重要任务优先执行
计划回滚：
- 如果执行过程中发现计划不可行，支持重新规划
产品建议：在PRD中明确计划调整的规则和限制，确保AI智能体能够合理调整计划。
使用建议
什么时候应该使用
- 复杂多步骤任务：任务涉及多个步骤，需要协调多个工具
- 长时间运行任务：任务需要较长时间完成，用户需要了解进度
- 需要任务分解的场景：需要将复杂任务拆解为子任务并设置优先级
配置建议
- 任务复杂度阈值：根据实际场景设置合理的阈值
- 状态持久化：生产环境需要配置状态持久化，确保待办清单不会丢失
- 可视化展示：如果有前端界面，建议展示待办清单
注意事项
- 规划成本：创建待办清单需要额外的模型调用，需要控制成本
- 状态管理：需要注意state大小限制，避免待办项过多
- 简单任务：简单任务不需要规划，避免过度使用
与其他中间件的配合
To-do list可以与其他中间件配合使用：
- 与SummarizationMiddleware配合：如果待办清单过长，可以在摘要时保留关键待办项
- 与Human-in-the-loop配合：关键待办项执行前，可以触发人工审核
- 与ToolCallLimitMiddleware配合：限制待办项中工具调用的总次数，防止无限循环
后续优化方向
- 智能任务分解：基于历史数据和任务类型，智能拆解任务
- 依赖关系识别：更准确地识别任务之间的依赖关系
- 资源预估：预估每个任务需要的资源和时间，帮助优化计划
- 任务模板：对于常见任务类型，提供任务模板，加快规划速度