核心 GUIDE
Workflow Decomposition
在增加更多 Agent 智能之前，先把复杂目标拆成拥有明确 Input、Output 与 Verification 的阶段。
核心心智模型
有价值的 Stage 应该只有一个清晰 Responsibility、一个有限 Contract，以及一个不需要共享全部 Scratchpad 就能被检查的 Handoff。
为什么重要
大 Prompt 往往把 Research、Planning、Execution、Checking 与 Publishing 混成一个不透明步骤。Decomposition 能让 Failure 可归因、Retry 更局部，也更容易在合适的位置用确定性组件替代不必要的 Model Reasoning。
01
按 Responsibility 拆解
识别 Gather Evidence、Decide、Act、Verify、Package 等 Transformation，为每个 Stage 定义 State 与 Postcondition。只有当任务真正独立，或者 Independent Verification 的收益高于 Coordination Cost 时，再引入 Parallelism。
02
例子：有来源支撑的文章生产
可靠流程会分离 Source Collection、Claim Extraction、Outline Design、Drafting 与 Independent Verification。Draft Stage 接收 Claim-and-source Artifact，而不是全部 Research Scratch Note，因此事实错误可以被定位到具体阶段。
常见失败模式
- 创建很多 Agent Persona，却没有不同 Responsibility Boundary。
- 所有 Stage 共享一个持续膨胀的 Scratchpad。
- 只有一个 Stage 失败，却重新运行整个 Workflow。
工程启发
- 用 Artifact 或 Decision 给 Stage 命名，而不是用 Persona。
- 让 Handoff 尽可能小且可检查。
- 在 Concurrency 产生可测收益之前，优先保持简单 Sequential Topology。
关键结论
- 01Decomposition 首先改善 Observability，然后才是 Sophistication。
- 02只有当一个 Stage 能局部化责任时，它才值得存在。
- 03Complex Topology 必须证明自己值得付出 Coordination Cost。
阅读记录
这里只记录你真实做过的动作，不代表掌握、熟练或认证。
用于这些学习路径
这个 Concept 会在多个 canonical 学习路径中复用。
来自 Knowledge Graph 的相关知识点
这些关系直接来自 canonical graph，不维护第二套 Guide 分类体系。