Subagent Decomposer — 复杂任务子智能体分解
Skill-Subagent-Decomposition · 10-MAS
experimentrecommendationmulti_agentpricing客服与VOC推荐与搜索MAS与智能体工程定价与利润WF-C 客服分诊WF-D 选品扫描WF-E Review监控WF-F 动态定价
年化 ROI36万
实现难度⭐⭐⭐⭐☆
业务优先级⭐⭐⭐⭐☆
业务视角
适用角色运营负责人 / CTO · 产品经理 · CEO
适用平台Amazon PPC + 库存 + 定价 多 Agent 协作 · TikTok 内容运营流水线
什么情况下用运营任务太碎，选品/定价/广告/客服同时跑，人手严重不足；重复性运营动作需要 7×24 响应但没有足够人力
成功是什么样的多个 AI Agent 协作自动完成跨系统运营任务，运营团队人效提升 3-5 倍，7×24 无人值守运营
业务痛点
1. 解决的问题
Subagent Decomposer 负责将复杂的 Task Blueprint 分解为可独立执行的子任务，并分配给专门的子 Agent。核心洞察：复杂任务（如"生成全品类 VOC 周报"）无法由单个 Agent 高效完成，必须分解为并行/串行的子任务，每个子任务由最优技能的子 Agent 执行。
2. 核心算法逻辑
Subagent Decomposer 负责将复杂的 Task Blueprint 分解为可独立执行的子任务，并分配给专门的子 Agent。核心洞察：复杂任务（如"生成全品类 VOC 周报"）无法由单个 Agent 高效完成，必须分解为并行/串行的子任务，每个子任务由最优技能的子 Agent 执行。
3. 业务应用场景
生成一份覆盖全品类的 VOC 周报需要：抽取所有品类的评论实体/情感、汇总趋势、生成洞察、输出报告。数据量大（36万+评论），单 Agent 处理太慢。
- 按品类分区的评论数据 - 各品类的分析技能（抽取/情感/汇总） - 报告模板
业务价值： - 周报生成从 8 小时缩短到 1.2 小时 - 各品类分析质量一致（专用 Agent 处理专用数据） - 支持增量更新（只需重新分析变化的部分）
4. 输入数据要求
请查看原始代码模板获取输入规格。
5. 输出结果
请查看原始代码模板获取输出规格。
6. 业务价值 / ROI
- 数据要求：中，需要任务定义和技能边界信息
- 技术门槛：中高，需要理解 DAG、拓扑排序、分布式执行
- 工程复杂度：高，涉及并行调度、容错、状态管理
- 维护成本：中，分解策略需要随业务变化调整
- 性能核心：并行分解是 MAS 处理大规模任务的性能基础
- 可扩展性：系统能力随子 Agent 数量线性扩展
7. 代码模板
代码块数量：5 · 路径：未检测到
cd paper2skills-code/mas/subagent_decomposer
python subagent_decomposer.py8. 论文来源
未自动抽取；请查看原始 Skill 卡片。