feladatbontás
angolul: task decomposition
A feladatbontás az, amikor az AI-agent egy nagy, összetett feladatot kisebb, egyenként elvégezhető lépésekre szed szét, és ezeket sorban vagy párhuzamosan oldja meg.
Érthetően
Ha azt mondod valakinek, hogy „szervezz meg egy esküvőt”, nem tud azonnal nekilátni. Előbb listát ír: helyszín, vendéglista, menü, zenekar, meghívók. A feladatbontás ugyanez az AI világában: az agent a nagy célból kezelhető részfeladatokat készít, mielőtt nekilátna a munkának.
Erre azért van szükség, mert a nyelvi modellek sokkal megbízhatóbbak rövid, jól körülírt feladatokon, mint egyetlen hatalmas, homályos kérésen. Egy jól felbontott munkánál az is kiderül, melyik lépésnél csúszott el valami, és azt az egy lépést elég megismételni.
A sima csevegőrobot egy kérdésre egy választ ad. Az agent viszont tervet készít, lépésenként halad, és közben eszközöket használ: keres, fájlokat olvas, programot futtat. A feladatbontás az egyik alapképesség, amely ezt az önálló, többlépéses munkát lehetővé teszi, az eszközhasználat és az eredmények ellenőrzése mellett.
Hogyan működik
- Az agent megkapja a célt, és először azt gondolja végig, mi számít kész eredménynek, és mi kell hozzá.
- A célt részfeladatokra bontja, és megállapítja a sorrendet: mi épül mire, és mi futhat egymástól függetlenül, akár egyszerre.
- A részfeladatokat egyenként végrehajtja, vagy kiosztja őket segédagenteknek, amelyek csak a saját szeletükkel foglalkoznak.
- Minden lépés után megnézi az eredményt, és ha kell, módosítja a tervet: új lépést vesz fel, vagy egy rosszul sikerültet megismétel.
- A végén a részeredményeket egyetlen válasszá vagy elkészült munkává illeszti össze.
Példa a mindennapokból
Megkéred az AI-asszisztensedet, hogy hasonlítson össze három családi autót, és javasoljon egyet. Látod, ahogy kiírja a lépéseit: előbb árakat keres, aztán fogyasztási adatokat, majd töréstesztek eredményét, végül táblázatba rendezi az egészet. Ez a kiírt lépéssor maga a feladatbontás.
Kit érint
Gyakori félreértés
Korlátok és kockázatok
- Ha az agent már a terv elején félreérti a célt, a hibás bontás minden későbbi lépést rossz irányba visz.
- A hibák halmozódnak: sok egymásra épülő lépésnél egy korai tévedés észrevétlenül végigfut az egész munkán, és ha minden lépés csak egy kicsit bizonytalan, a teljes lánc megbízhatósága már érezhetően romlik.
- A szétosztott részfeladatok között elveszhet az összefüggés, ezért az egyenként jól sikerült darabok nem mindig állnak össze egységes egésszé.
- A több lépés több számítást jelent, vagyis hosszabb várakozást és magasabb költséget.
Hasonló, de nem ugyanaz
- gondolatlánc (chain of thought) – A gondolatlánc egyetlen válaszon belüli lépésenkénti okoskodás, a feladatbontás viszont külön végrehajtható részfeladatokat hoz létre.
- promptláncolás – A promptláncolásnál az ember előre rögzíti a lépések sorát, a feladatbontásnál maga az agent dönti el, milyen lépésekre van szükség.
- orkesztráció – Az orkesztráció a már kiosztott részfeladatok és az azokat végző agentek összehangolása, a feladatbontás pedig az a lépés, amelyben ezek a részfeladatok megszületnek.
Kapcsolódó fogalmak
AI-agent, tervezés, agentalapú MI
hierarchikus feladatbontás, részfeladat, párhuzamos végrehajtás
gondolatlánc, orkesztráció, többagentes rendszer, segédagent, promptláncolás
Röviden a története
A gondolat a klasszikus MI-kutatás tervezési ágából ered: a hierarchikus feladathálók módszere az 1970-es években jelent meg. A nyelvi modelleknél 2022-ben került előtérbe, amikor a gondolatláncról és a fokozatos, részfeladatokra bontó promptolásról szóló tanulmányok megmutatták, hogy a lépésekre szedett feladat sok összetett feladatnál pontosabb eredményt ad.
Hol tart most
2026 végén a feladatbontás a kódoló, kutató és irodai agentek alapképessége, és a legtöbb ilyen eszköz látható tervet vagy teendőlistát is mutat. Hosszú, sok lépésből álló munkáknál a megbízhatóság még nem egyenletes, ezért az ellenőrzés továbbra is rád marad.
Más nevei
feladatbontás · feladatlebontás · feladatdekompozíció · részfeladatokra bontás · task decomposition · task breakdown · problem decomposition · subtask planning
Források
- Zhou et al. (2022): Least-to-Most Prompting Enables Complex Reasoning in Large Language Models
- Anthropic (2024): Building effective agents
A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.