任务分解（Task Decomposition）是一种用于多智能体系统的设计方法，核心问题是：用户带来的是目标，而不是子任务。系统需要把复杂的用户目标拆解成单个智能体能够处理的片段，再把各片段的结果重新组装成连贯的输出。
一、用途 该技能用于指导多智能体系统如何接收用户目标、如何拆分、如何调度、如何合并结果。它关注的不是单个智能体的能力，而是整个系统在目标层面的组织方式。
二、主要能力（分解策略） 资料列出五种分解策略：
- 顺序分解：把目标拆成有序步骤，第 1 步完成后第 2 步才能开始。
- 并行分解：把目标拆成相互独立、可以同时处理的部分。
- 层级分解：先把目标拆成子目标，再把每个子目标拆成任务。
- 条件分解：下一步取决于当前步骤的结果，不同结果导向不同路径。
- 迭代分解：先产出粗略版本，再通过多轮处理逐步细化。
三、使用方式（设计分解规则） 针对系统处理的每一类用户目标，需要明确以下问题：
- 入口点是什么？系统如何接收该目标？
- 子任务有哪些？列出该目标类型所有可能的子任务。
- 依赖关系是什么？哪些子任务依赖其他子任务的输出？
- 关键路径是什么？哪一串子任务决定了最短完成时间？
- 哪些可以并行？哪些子任务可以同时运行？
- 重组逻辑是什么？子任务结果如何组合成最终输出？
四、粒度 分解的粗细程度很重要：
- 过粗：单个智能体拿到过于复杂的任务，导致质量下降。
- 过细：交接带来的开销超过专业化带来的收益。
- 合适：每个子任务在范围与复杂度上匹配某个智能体的最佳区间。
五、处理模糊性 用户目标常常是模糊的，系统需要：
- 分解前先澄清：目标不清晰时请用户明确说明。
- 试探性分解：先给出一个计划，并随信息出现而调整。
- 必要时重新组合：如果分解有误，重新组织而不必从头开始。
六、设计产物
- 针对每种目标类型的任务分解树
- 展示子任务关系的依赖图
- 并行化规范
- 重组逻辑定义
- 模糊性处理协议
七、适用场景与限制 该技能适用于需要把复杂用户目标交由多个智能体协作完成的系统设计场景，尤其是存在依赖关系、可并行部分和结果合并需求的流程。资料未提供具体的实现代码、安装命令、平台支持、收费方式或效果数据，这些内容暂未提供。