4. 任务规划基础
在金融研究智能体的工作流中，任务规划是把“研究目标”转化为“可执行动作序列”的核心环节。一个研究请求往往不是单一动作，而是包含数据获取、指标计算、模型调用、报告生成等多类子任务。若缺少结构化规划，智能体容易出现重复取数、依赖错乱、关键路径阻塞等问题。本节围绕任务分解、目标树、依赖关系、优先级排序与规划表示方法五个基础构件展开，帮助建立可落地的规划思维。
一、核心原理：从目标到可执行动作
任务规划的本质是目标—子目标—动作的逐层映射。金融研究目标通常具有模糊性和复合性，例如“评估某行业信用风险”，需要先拆解为宏观环境、行业景气、企业财务、舆情事件等维度，再落到具体数据源与计算逻辑。规划过程需要同时满足三个约束：完备性（覆盖目标所需信息）、可执行性（每个动作有明确输入输出）、经济性（在时限与算力内完成）。
目标树是表达这种层级映射的常用结构：根节点为总目标，中间节点为子目标，叶节点为原子任务。原子任务应满足“单一职责、可独立验证、有明确完成条件”。例如“获取某公司近三年年报”可作为一个原子任务，而“分析其偿债能力”则需继续拆解为指标计算与阈值判断。
二、方法流程：分解、建树、连边、排序、表示
一个可复用的规划流程可归纳为五步：
- 任务分解：采用“功能—数据—方法”三维拆解法。先按研究功能拆分（如数据采集、清洗、计算、建模、撰写），再按数据对象拆分（如股票、债券、宏观指标），最后按方法拆分（如统计、机器学习、规则引擎）。
- 构建目标树：将分解结果组织为树形结构，根为总目标，中间为子目标，叶为原子任务。每个节点标注完成标准与验收指标。
- 标注依赖关系：识别任务间的数据依赖（B需要A的输出）、控制依赖（B必须在A之后触发）、资源依赖（共享数据库连接或API配额）。依赖关系决定执行顺序与并行机会。
- 优先级排序：综合关键路径长度、业务价值、截止时间、失败风险四个维度打分。常用方法包括加权评分法、MoSCoW法（必须/应该/可以/不会）和关键路径法。
- 规划表示：将上述结构转化为智能体可解析的格式，如任务列表、DAG（有向无环图）、PDDL或JSON任务图。表示方法直接影响调度器的执行效率与容错能力。
下面是一个金融研究任务的简化DAG表示示例，采用JSON描述任务节点与依赖边：
{
"goal": "评估某银行信用风险",
"tasks": [
{"id": "T1", "name": "获取财报数据", "type": "data", "deps": []},
{"id": "T2", "name": "计算不良贷款率", "type": "compute", "deps": ["T1"]},
{"id": "T3", "name": "获取宏观GDP数据", "type": "data", "deps": []},
{"id": "T4", "name": "行业景气对比", "type": "compute", "deps": ["T2", "T3"]},
{"id": "T5", "name": "生成风险评级报告", "type": "generate", "deps": ["T4"]}
],
"priority": {"T1": 9, "T3": 7, "T2": 8, "T4": 6, "T5": 10}
}该表示中，T1与T3无依赖可并行执行，T2依赖T1，T4依赖T2与T3，T5为最终汇聚节点。调度器可据此计算关键路径为T1→T2→T4→T5，并优先保障该路径资源。
三、依赖关系与优先级排序的协同
依赖关系决定“能不能做”，优先级决定“先做什么”。两者结合才能形成有效调度。常见依赖类型与处理策略如下表所示：
| 依赖类型 | 含义 | 处理策略 | 金融场景示例 |
|---|---|---|---|
| 数据依赖 | 下游任务需要上游输出 | 严格串行，输出校验后触发 | 先取行情再算收益率 |
| 控制依赖 | 执行顺序约束，无数据传递 | 事件触发或信号量控制 | 合规检查通过后才可发布报告 |
| 资源依赖 | 共享有限资源 | 资源池排队或配额分配 | 多个任务共用Wind API调用次数 |
| 软依赖 | 建议顺序但可降级 | 超时后走替代路径 | 舆情数据缺失时用新闻替代 |
优先级排序时，建议采用“关键路径优先+业务价值加权”的混合策略。关键路径上的任务延迟会直接拖慢总目标完成时间，应获得最高调度优先级；非关键路径任务可在资源空闲时并行填充。同时，对高失败风险任务（如外部API调用）应预留重试与降级预算。
四、案例场景：行业信用风险研究任务规划
假设智能体接到任务：“分析新能源行业2024年信用风险，输出评级报告”。按上述流程可规划如下：
- 目标树：根为“行业信用风险评级”，子目标包括宏观环境、行业供需、企业财务、政策舆情；叶任务包括GDP增速获取、行业产能利用率计算、样本企业资产负债率计算、政策文本情感分析等。
- 依赖关系：企业财务计算依赖财报获取；行业供需分析依赖产能数据与价格数据；最终评级依赖所有子目标汇聚。
- 优先级：财报获取与政策文本分析为关键路径起点，优先级最高；舆情分析可并行且允许降级。
- 规划表示：采用DAG+优先级字段，调度器按拓扑排序与优先级队列执行。
执行中若某企业财报接口超时，智能体应回溯目标树，尝试从备用数据源获取，或将该企业标记为“数据缺失”并调整评级模型权重，而非阻塞整个流程。
五、误区与复盘
常见误区包括：分解过粗，导致原子任务仍包含多个动作，无法并行或复用；依赖漏标，造成执行顺序错误或数据不一致；优先级静态化，未随执行反馈动态调整；表示方法过于复杂，超出调度器解析能力。复盘时应检查：每个原子任务是否有明确输入输出？依赖边是否覆盖所有数据流？关键路径是否被优先保障？降级路径是否可用？
综上，任务规划基础并非孤立技巧，而是目标树、依赖图、优先级与表示方法的协同体系。掌握这一体系后，智能体才能在金融研究这类多源、多步、多约束的场景中稳定执行，并在异常发生时快速定位与恢复。