08｜定义Task——从”步骤控制”到”契约驱动”

企业级多智能体设计实战 · 模块一第2讲 | 时长 33:54 | 讲师：晓寒

概述

一切 AI 应用本质上都是在执行任务（Input → 执行 → Output）。本讲提出**“任务定义终点，而非路径”的核心心法，引入契约驱动**的任务设计模式，使用 Pydantic 定义结构化交付标准来掌控大模型输出的确定性。

核心概念

认知原点——一切 AI 应用皆为”Task”

Input（用户诉求） → 执行过程（思考、调用工具、协作） → Output（交付物）

未来 AI 应用评测的核心依据：对比”输入”和”产出”是否匹配预期标准。

火车轨道 vs 里程碑（核心心法）

模式	思维	风险
🚂 火车轨道（传统工作流）	规定第一步做什么、第二步怎么做	中途意外 → 彻底脱轨崩溃
🏁 里程碑（契约驱动）	定义阶段交付成果，中间自主决策	灵活适应不确定性

核心原则：任务定义终点，而非路径。

Pydantic 结构化交付标准

使用 Pydantic 定义任务的目标输出结构，底层作用机制：

1. 提示词注入：框架将 Pydantic 定义转换为 JSON Schema，硬编码注入 System Prompt
2. 结果提取与验证：模型倾向于按 JSON 结构输出 → 框架 JSON 提取器抓取 → Pydantic 反向校验
3. 确定性转化：将不确定的自然语言文本转化为确定性的工程数据字典

关键要点

1. Goal 是罗盘，Task 是终点：Goal 描述决策偏好，Task 描述具体交付物
2. 结构化交付标准 = 掌控确定性的最强武器：Pydantic 不仅定义数据类型，更要在字段描述中写清质量标准
3. 底层仍是 Prompt：框架将 Pydantic schema 拼入 prompt，如 Ensure your final answer strictly adheres to the following OpenAPI schema: {schema}
4. 契约驱动体现：下游任务依赖上游任务的输出格式，Crew.kickoff(inputs={...}) 将变量替换到 prompt 中

实践示例

CrewAI Task 定义的标准代码

from pydantic import BaseModel, Field
from crewai import Task

class ContentStrategyBrief(BaseModel):
    target_audience: str = Field(..., description="目标人群画像，需包含核心痛点")
    core_angle: str = Field(..., description="内容切入角度，需独特且具争议性/共鸣性")
    hook_design: str = Field(..., description="互动钩子设计，包含争议问题和价值锚点")
    keyword_plan: list[str] = Field(..., description="3个核心长尾关键词")
    emotional_tone: str = Field(..., description="整体情绪基调")

task_content_strategy = Task(
    description="""
    基于用户的原始意图和视觉分析报告，制定小红书内容策略。
    
    用户的原始想法：
    {user_raw_intent}
    
    视觉分析报告：
    {visual_report}
    
    ** 重要提示 **：
    - 必须基于上游任务的视觉分析报告进行分析
    - 策略要符合小红书平台的算法特点
    - 所有输出必须使用中文
    """,
    expected_output="一个完整的 ContentStrategyBrief 结构化输出，包含所有必填字段。",
    agent=content_strategist,
    output_pydantic=ContentStrategyBrief,  # 💡 强约束结构化输出
)

常见问题 / 坑点

问题	原因	解决方案
Agent 逻辑混乱、什么都做不好	注意力涣散的超级任务——多个不相关子目标塞进同一任务	每个任务聚焦单一里程碑，一个任务只做一件事
Agent 陷入死循环，不知何时输出 Final Answer	未设定明确的验收标准（expected_output）	必须提供清晰的 expected_output 和 output_pydantic
Agent 幻觉严重、生搬硬套	流程步骤过度微操——规定过细的操作步骤	只定义交付标准（里程碑），不规定执行路径
产出深度不够	Pydantic 只定义了数据类型，没有质量标准	在 Field 的 description 中写清明确的质量判断标准

最佳实践

1. Pydantic 中同时明确结构和判断标准：Field(..., description="需包含...") 而非仅 Field(..., description="标题")
2. 一个 Task 只做一件事：搜索归搜索，写代码归写代码，文案归文案
3. 用 expected_output 聚焦注意力：明确的交付要求能强行聚焦大模型注意力
4. 下游任务显式引用上游输出：在 description 中用 {variable} 引用上游 TaskOutput

关联知识

• 07-定义Agent-从提示词工程到人设工程（上一定义 Agent）
• 09-定义Process-任务调度与信息传递（下一讲流程编排）
• 11-项目实践一-小红书爆款笔记生成项目（综合实战）

参考资源

• 课程链接：https://b.geekbang.org/member/course/detail/948519
• 示例代码：https://github.com/kid0317/crewai_mas_demo/blob/main/m2l4/m2l4_task.py

学习时间

阶段	时间	备注
初次学习	2026-04-09	视频观看 + 笔记整理
深入理解
实战应用
复习回顾

---

状态: 📖 已掌握 下次复习日期: 2026-04-16