6.8 KiB
| date | topic |
|---|---|
| 2026-06-15 | autonomous-task-execution |
Summary
打通 PlanExecEngine 和 TeamOrchestrator 的执行层，让 AgentKit 能真正自主拆解和执行多步任务。用户一句话描述复杂需求，Agent 自主生成可执行计划、逐步调用工具、返回完整结果。
Problem Frame
AgentKit 已有完整的任务规划框架骨架——ReAct/PlanExec/ReWOO/Reflexion 四种推理引擎、TeamOrchestrator 多 Agent 协作、PipelineEngine DAG 编排——但执行层未跑通。TeamOrchestrator 的 _execute_phase 返回模拟字符串，PlanExecEngine 的步骤执行器功能简单，SharedWorkspace 未集成到执行层。结果是用户提出复杂需求后，Agent 只能简单对话回复，无法真正拆解执行。当前最需要的是把已有框架跑通，而不是新建能力。
Key Decisions
执行层对接优先于新能力建设。 现有四种引擎和 TeamOrchestrator 框架已完整，最关键的差距是执行层模拟代码未替换为真实 Agent 调用。先跑通再迭代。
验证场景选多步研究任务。 "帮我分析竞品并生成报告"这类任务天然需要搜索→分析→生成三步闭环，且不依赖本地开发环境，最能体现自主执行能力。
步骤间状态通过 SharedWorkspace 传递。 PlanExecEngine 已有 dependency_results 机制但仅通过 prompt 注入，需要结构化状态管理。SharedWorkspace 已存在但未在执行层集成。
Requirements
执行层打通
- R1. TeamOrchestrator._execute_phase 调用 Agent.execute() 执行真实任务，替代当前返回模拟字符串的实现
- R2. PlanExecEngine._LLMStepAgent 升级为完整 ReAct 循环执行器，支持工具调用和多步推理
- R3. SharedWorkspace 集成到 PlanExecEngine 和 TeamOrchestrator 执行层，步骤间可读写结构化状态
- R4. GoalPlanner 的 LLM prompt 调优，确保任务分解质量（子任务可执行、依赖关系正确、无遗漏）
执行闭环
- R5. 每个执行步骤完成后，结果自动写入 SharedWorkspace 并通知下游依赖步骤
- R6. 步骤执行失败时，PlanExecEngine 触发重规划（已有 PipelineReflector/PipelineReplanner，需集成）
- R7. TeamOrchestrator 的 COMPETITIVE_PARALLEL 模式下，合并策略（BEST/VOTE/FUSION）从真实执行结果中选择
验证场景
- R8. 多步研究任务端到端验证：用户输入"分析 X 竞品并生成报告"，Agent 自主拆解为搜索→分析→生成三步，逐步执行并返回完整报告
- R9. 执行过程通过 WebSocket 实时推送进度事件（plan_created / step_started / step_completed / plan_completed）
Key Flows
-
F1. 自主任务执行主流程
- Trigger: 用户提交复杂任务（复杂度 > 0.7，路由到 TEAM_COLLAB 或 SKILL_REACT）
- Actors: 用户, CostAwareRouter, GoalPlanner, PlanExecEngine/TeamOrchestrator, SharedWorkspace
- Steps:
- CostAwareRouter 路由到合适的执行模式
- GoalPlanner 将目标分解为子任务计划（含依赖关系）
- PlanExecEngine 按依赖拓扑执行子任务，每个子任务通过 ReAct 循环调用工具
- 每步结果写入 SharedWorkspace，触发下游就绪检查
- 全部完成后综合结果返回用户
- Outcome: 用户收到完整的任务执行结果，过程可观测
-
F2. 执行失败重规划
- Trigger: 某步骤执行失败（工具调用异常/LLM 返回无效结果/超时）
- Actors: PlanExecEngine, PipelineReflector, PipelineReplanner
- Steps:
- PlanExecEngine 捕获步骤失败
- PipelineReflector 分析失败原因
- PipelineReplanner 生成修正后的计划片段
- PlanExecEngine 用修正计划替换失败步骤，继续执行
- Outcome: 任务从失败中恢复，无需用户手动干预
Acceptance Examples
-
AE1. 多步研究任务成功执行
- Covers R1, R2, R3, R5, R8.
- Given: 用户输入"分析飞书和钉钉的竞品对比并生成报告"
- When: Agent 自主执行搜索→分析→生成三步
- Then: 返回包含竞品对比分析的完整报告，每步结果可在 SharedWorkspace 中追溯
-
AE2. 步骤失败自动重规划
- Covers R6.
- Given: Agent 执行"搜索竞品信息"步骤时搜索工具返回空结果
- When: PlanExecEngine 触发重规划
- Then: Agent 调整策略（如换搜索关键词/换搜索工具），重新执行该步骤
-
AE3. 团队竞争模式真实执行
- Covers R1, R7.
- Given: 两个 Expert 竞争执行同一分析任务
- When: 各自独立执行并返回结果
- Then: Lead Expert 根据合并策略选择/融合最佳结果
Success Criteria
- 多步研究任务端到端成功率 > 80%（任务完成且结果包含所有子步骤输出）
- 执行过程通过 WebSocket 实时可观测（每个步骤有 started/completed 事件）
- 步骤失败时自动重规划成功率 > 50%（至少一次重规划后任务完成）
Scope Boundaries
Deferred for later:
- 执行持久化与断点恢复（集成 PipelineState 到 PlanExecEngine）
- 自适应执行监控（token 预算控制、耗时趋势、策略动态调整）
- 人机协作规划 UI（用户实时调整计划）
- 计划模板库（复用历史成功计划）
Outside this scope:
- 动态工具发现与运行时组合（Agent 自主发现新工具）
- 跨任务长期记忆（任务间经验迁移）
- 多层级嵌套计划（子计划递归分解）
Dependencies / Assumptions
- LLM Gateway 已配置且可用（至少一个 provider 有有效 API key）
- 搜索工具（WebSearchTool/BaiduSearchTool）已注册且可用
- SharedWorkspace 数据结构已定义（需确认与现有
expert_team.SharedWorkspace的兼容性） - GoalPlanner 的 LLM 分解质量足够支撑多步任务（可能需要 prompt 迭代）
Outstanding Questions
- Resolve Before Planning: SharedWorkspace 的现有实现（
expert_team.SharedWorkspace）是否可直接复用于 PlanExecEngine，还是需要新建？ - Deferred to Planning: TeamOrchestrator 的
_execute_phase如何与 Agent.execute() 的异步签名对接（execute 是 async 方法，当前 _execute_phase 也是 async）
Sources / Research
src/agentkit/core/react.py— ReActEngine 完整实现，think-act-observe 循环src/agentkit/core/plan_exec_engine.py— PlanExecEngine，含 _LLMStepAgent 和 dependency_resultssrc/agentkit/experts/orchestrator.py— TeamOrchestrator，_execute_phase 为模拟代码src/agentkit/experts/team.py— ExpertTeam 和 SharedWorkspace 定义src/agentkit/orchestrator/pipeline_engine.py— PipelineEngine，含反思-重规划闭环src/agentkit/orchestrator/reflection.py— PipelineReflector / PipelineReplannersrc/agentkit/core/goal_planner.py— GoalPlanner，规则+LLM混合分解