LLM Agent计划系统从DAG退回线性清单
AI 总结
掘金 · 人工智能的一篇第一人称工程文章记录了开发团队用两个月将LLM Agent的Plan系统从依赖式DAG改为线性清单的过程。作者将原因归结为验证失败回滚、依赖声明错误、实际工作难以追踪，以及固定基准任务与动态生产任务之间的差异。文章主张引擎只提供信号，将步骤是否完成的判断留给模型，同时指出DAG仍可能适合依赖明确的多智能体或批处理流程。
深度见解
该文章具体呈现了自动验证回滚、依赖错误、进度失真和静态调度等问题，可为开发者设计长程LLM智能体工作流提供参考。
2026-10-05·编排与协作·Plan 系统
我们最初把 Plan 设计为 DAG——步骤有依赖关系、可以并行执行。然后花了两个月把它拆回线性清单。这篇文章讲的是这个'退回来'的完整过程：DAG 在理论上为什么诱人、在实践中为什么失败、以及'引擎不该替模型做认知判断'这条原则如何一步步被验证。
"依赖关系"听起来太对了
当你第一次设计 Plan 系统时，DAG（有向无环图）几乎是不假思索的选择。
一个"重构认证模块"的任务可以分解为：