Agent 里面有个很关键的模块叫做任务规划(Plan), Agent产品用多了的都会看到这样类似manus的任务进度模块的一个界面。其实这个模块类似于这个任务的项目经理，对整个任务进行规划和管理。

Claude Code 作为一款Code Agent 也有这个任务规划模块，下方Claude Code 的运行截图，笔者让 Claude Code 帮我生成一个打地鼠游戏，它首先做了一个任务规划：

• 先创建游戏文件夹
• 生成整个游戏布局的 html
• 生成实现游戏逻辑的 js
• 生成美化游戏的 CSS
• 增加一些游戏特效，比如难度设定等

同时记录任务的状态：

• 正在进行的任务，用彩色表示；
• 已经完成任务，用绿色表示，并用删除线划掉；
• 待办的任务，用白色表示；

那这个功能到底怎么实现呢，其实是 Agent 里面的任务规划模块，也就是 Planner （或者 master）。今天笔者就借一个 Prompt 介绍一下什么是 Agent 系统里面的 Planner 。

什么是 Planner （或者 master）

Planner 是 Agent 用来把“一个需求”变成“可执行步骤”的项目经理。 它回答三个核心问题：

1. 做什么： 把复杂目标拆成 3-5 个清晰动作。最近也有论文验证 plan 的步骤不能过多。

2. 先做哪个： 给出依赖关系，告诉 Agent 哪些步骤可以并行，哪些必须串行。

3. 做到哪了： 用 待办（pending） →（正在处理） in_progress → （完成）completed 实时更新进度。

4. 做错了怎么办： 如果出现异常该怎么办

   

下方是https://github.com/ZTE-AICloud/Co-Sight/这个项目里面Planner/Master Agent 的 Prompt，我们通过这个 prompt 可以看看什么是Planner/Master 。本质上是希望创建了一个有向无环图（DAG）的执行计划，后续可以将这些计划分配给对应的 Agent 执行，并持续跟踪状态以及进行错误处理。

至于如何进行plan的管理，比如将plan放到文件系统还是内存，以及如何更新plan的状态，这个需要看 plan工具tools如何实现，这部分就是一些简单的状态变化的逻辑实现。可以看看上方项目中plan工具如何实现。

# 角色与目标
你是一个计划助手。你的任务是创建简单且可操作的计划，包含清晰的步骤。

# 通用规则
1. 当答案明确且直接时，立即返回结果，无需复杂规划
2. 保持计划简洁，仅聚焦于必要步骤
3. 避免过度规划 - 聚焦于实际所需内容

# 计划创建规则
1. 创建少量高层步骤（3-5 步为最佳）
2. 每个步骤应为清晰、具体的行动项
3. 使用以下格式：
   - 标题：计划标题
   - 步骤：[步骤1, 步骤2, 步骤3, ...]
   - 依赖项：{步骤索引: [依赖步骤索引1, 依赖步骤索引2, ...]}
4. 对于报告创建任务，聚焦于：
   - 信息收集（仅需 1-2 步）
   - 分析（1 步）
   - 报告创建（1 步）

# 重新规划规则
1. 首先评估是否需要调整：
   a. 如果无需调整，返回："计划无需修改，继续执行"
   b. 如果需要调整，使用 update_plan 并遵循以下格式：
        - 标题：计划标题
        - 步骤：[步骤1, 步骤2, 步骤3, ...]
        - 依赖项：{步骤索引: [依赖步骤索引1, 依赖步骤索引2, ...]}
2. 保留所有已完成/进行中/阻塞的步骤，仅修改“未开始”步骤，并在已完成步骤已提供完整答案时移除后续无关步骤
3. 处理阻塞步骤时：
   a. 首先尝试重试步骤或调整为替代方案，同时保持整体计划结构
   b. 如果多次尝试失败，评估该步骤对最终结果的影响：
      - 若影响较小，跳过并继续执行
      - 若对最终结果至关重要，终止任务并提供阻塞原因、未来尝试建议和可选替代方案
4. 保持计划连贯性：
   - 保留步骤状态和依赖项
   - 保留已完成/进行中/阻塞步骤，调整时尽量减少改动

# 最终化规则
1. 对成功任务，包含关键成功因素
2. 对失败任务，提供主要失败原因及改进建议

# 示例
计划创建示例：
对于任务“开发一个网络应用”，计划可能为：
标题：开发一个网络应用
步骤：["需求收集", "系统设计", "数据库设计", "前端开发", "后端开发", "测试", "部署"]
依赖项：{1: [0], 2: [0], 3: [1], 4: [1], 5: [3, 4], 6: [5]}

Agent 为什么要有 Planner

我个人认为有以下几个原因：

• 降低执行风险：避免遗漏步骤或顺序错误
• 提升效率：减少重复收集信息和无效操作
• 可控性与透明度：用户或上层系统可随时查看计划与进度
• 应对复杂任务：尤其是多步骤、跨模块或需要中途调整的情况

Planner 的流程

• 生成计划：用 3-5 个高层步骤 + 依赖表，形成一个有向无环图。笔者用上方 prompt 让豆包生成下方的执行计划。

  任务：策划一场公司年会
  
  步骤：["明确年会需求与目标", "确定年会主题与形式", "编制年会预算", "筛选与确定年会场地", "制定年会流程框架", "策划节目与互动环节", "邀请嘉宾与通知员工", "采购年会物资与奖品", "安排场地布置与设备调试", "组织节目彩排", "确认年会当天工作人员分工", "年会现场执行", "年会后续总结与反馈收集"]
  
  依赖项：{1: [0], 2: [0], 3: [1, 2], 4: [1], 5: [4], 6: [2, 4], 7: [3, 4], 8: [5, 6], 9: [5, 8], 10: [5, 6], 11: [9, 10], 12: [11], 13: [12]}
  

• 执行监控：每完成一步就更新状态（已完成 / 进行中 / 阻塞），保留已完成/进行中/阻塞步骤。
• 处理阻塞：成功输出关键成功因素；失败给出原因 + 改进建议。这一步主要是为了给重规划收集信息，方便进行重新规划。
• 重新规划：评估是否需要重新规划任务

结语

其实 Planner 本质上还是 Prompt + tools 的设计，这部分设计得越好，模型的能力越强，规划能力就越强，任务完成的效果也就越好。而且一般还需要加上human in loop ，也就是当用户不满意这个plan时，可以人为去干预。但是目前为止好像很多Agent的human in loop做得不好，期待Agent系统能够更进一步。

强，规划能力就越强，任务完成的效果也就越好。而且一般还需要加上human in loop ，也就是当用户不满意这个plan时，可以人为去干预。但是目前为止好像很多Agent的human in loop做得不好，期待Agent系统能够更进一步。

如何学习大模型 AI ？

我国在AI大模型领域面临人才短缺，数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着Al技术飞速发展，预计到2025年，这一缺口将急剧扩大至400万，严重制约我国Al产业的创新步伐。加强人才培养，优化教育体系，国际合作并进，是破解困局、推动AI发展的关键。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

2025最新大模型学习路线

明确的学习路线至关重要。它能指引新人起点、规划学习顺序、明确核心知识点。大模型领域涉及的知识点非常广泛，没有明确的学习路线可能会导致新人感到迷茫，不知道应该专注于哪些内容。

对于从来没有接触过AI大模型的同学，我帮大家准备了从零基础到精通学习成长路线图以及学习规划。可以说是最科学最系统的学习路线。

针对以上大模型的学习路线我们也整理了对应的学习视频教程，和配套的学习资料。

大模型经典PDF书籍

新手必备的大模型学习PDF书单来了！全是硬核知识，帮你少走弯路！

配套大模型项目实战

所有视频教程所涉及的实战项目和项目源码等

博主介绍＋AI项目案例集锦

MoPaaS专注于Al技术能力建设与应用场景开发，与智学优课联合孵化，培养适合未来发展需求的技术性人才和应用型领袖。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

为什么要学习大模型？

2025人工智能大模型的技术岗位与能力培养随着人工智能技术的迅速发展和应用 ， 大模型作为其中的重要组成部分 ， 正逐渐成为推动人工智能发展的重要引擎 。大模型以其强大的数据处理和模式识别能力， 广泛应用于自然语言处理 、计算机视觉 、 智能推荐等领域 ，为各行各业带来了革命性的改变和机遇 。

适合人群

• 在校学生：包括专科、本科、硕士和博士研究生。学生应具备扎实的编程基础和一定的数学基础，有志于深入AGI大模型行业，希望开展相关的研究和开发工作。
• IT行业从业人员：包括在职或失业者，涵盖开发、测试、运维、产品经理等职务。拥有一定的IT从业经验，至少1年以上的编程工作经验，对大模型技术感兴趣或有业务需求，希望通过课程提升自身在IT领域的竞争力。
• IT管理及技术研究领域人员：包括技术经理、技术负责人、CTO、架构师、研究员等角色。这些人员需要跟随技术发展趋势，主导技术创新，推动大模型技术在企业业务中的应用与改造。
• 传统AI从业人员：包括算法工程师、机器视觉工程师、深度学习工程师等。这些AI技术人才原先从事机器视觉、自然语言处理、推荐系统等领域工作，现需要快速补充大模型技术能力，获得大模型训练微调的实操技能，以适应新的技术发展趋势。
  

课程精彩瞬间

大模型核心原理与Prompt：掌握大语言模型的核心知识，了解行业应用与趋势；熟练Python编程，提升提示工程技能，为Al应用开发打下坚实基础。

RAG应用开发工程：掌握RAG应用开发全流程，理解前沿技术，提升商业化分析与优化能力，通过实战项目加深理解与应用。

Agent应用架构进阶实践：掌握大模型Agent技术的核心原理与实践应用，能够独立完成Agent系统的设计与开发，提升多智能体协同与复杂任务处理的能力，为AI产品的创新与优化提供有力支持。

模型微调与私有化大模型：掌握大模型微调与私有化部署技能，提升模型优化与部署能力，为大模型项目落地打下坚实基础。

顶尖师资，深耕AI大模型前沿技术

实战专家亲授，让你少走弯路

一对一学习规划，职业生涯指导

• 真实商业项目实训
• 大厂绿色直通车

人才库优秀学员参与真实商业项目实训

以商业交付标准作为学习标准，具备真实大模型项目实践操作经验可写入简历，支持项目背调

大厂绿色直通车，冲击行业高薪岗位

文中涉及到的完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】