子玥酱掘金 / 知乎 / CSDN / 简书 同名大家好我是子玥酱一名长期深耕在一线的前端程序媛 。曾就职于多家知名互联网大厂目前在某国企负责前端软件研发相关工作主要聚焦于业务型系统的工程化建设与长期维护。我持续输出和沉淀前端领域的实战经验日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。技术方向前端 / 跨端 / 小程序 / 移动端工程化内容平台掘金、知乎、CSDN、简书创作特点实战导向、源码拆解、少空谈多落地文章状态长期稳定更新大量原创输出我的内容主要围绕前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读展开。文章不会停留在“API 怎么用”而是更关注为什么这么设计、在什么场景下容易踩坑、真实项目中如何取舍希望能帮你在实际工作中少走弯路。子玥酱 · 前端成长记录官 ✨ 如果你正在做前端或准备长期走前端这条路 关注我第一时间获取前端行业趋势与实践总结 可领取11 类前端进阶学习资源工程化 / 框架 / 跨端 / 面试 / 架构 一起把技术学“明白”也用“到位”持续写作持续进阶。愿我们都能在代码和生活里走得更稳一点 文章目录引言一、什么是 Planner二、为什么 Agent 必须有 Planner三、Planner 在 Agent Runtime 中的位置四、Planner 的核心输入用户目标当前上下文MemoryTool 能力五、Task DAG 才是真正的 Planner六、Planner 的三种实现方式方案一Rule Planner方案二LLM Planner方案三Hybrid Planner七、鸿蒙 App 中如何落地 Planner八、Planner 与 Scheduler 的区别PlannerScheduler九、为什么 Planner 会成为未来 App 的核心十、HarmonyOS AI Native 的 Planner 架构总结引言很多开发者刚开始做 AI Agent 时都会有一个误区LLM 足够强 ↓ 直接输出答案 ↓ 任务完成但实际项目里很快会发现用户说帮我安排明天的学习计划这并不是一个简单问题。系统需要分析课程 ↓ 分析空闲时间 ↓ 生成学习计划 ↓ 创建提醒 ↓ 同步日历如果直接让模型一步输出最终结果往往会出现幻觉 遗漏步骤 执行顺序错误 工具调用失败所以在 Agent 系统中真正决定智能体上限的往往不是 LLM。而是Planner规划器Planner 的本质就是把用户目标Goal转换成可执行任务Task。很多团队做 Agent Runtime 时最先实现的是Memory Tool Calling但最后发现没有 PlannerAgent 永远只是高级聊天机器人。一、什么是 PlannerPlanner 可以理解成Agent 的前额叶负责目标分析 任务拆解 执行顺序规划 依赖关系管理 动态重规划例如用户帮我规划东京三日游Planner 不会直接回答而是生成Task1 查询天气 Task2 查询酒店 Task3 查询景点 Task4 规划路线 Task5 生成行程形成Goal ↓ Task Graph ↓ Execution这也是现代 Agent 框架的核心思想。Planner 的职责是将复杂目标拆解为多个可执行步骤而不是一次性生成最终答案。二、为什么 Agent 必须有 Planner传统 ChatBotQuestion ↓ Answer而 AgentGoal ↓ Plan ↓ Action ↓ Feedback例如用户帮我订机票实际上涉及查询航班 ↓ 价格比较 ↓ 选择航班 ↓ 填写信息 ↓ 提交订单如果没有 PlannerLLM 直接调用工具容易导致1、工具乱调用重复查询 重复下单2、状态错乱任务执行顺序错误3、上下文爆炸Prompt 越来越长因此Planner 本质上是 Agent Runtime 的任务编排中心。三、Planner 在 Agent Runtime 中的位置推荐架构User ↓ Intent ↓ Planner ↓ Task Graph ↓ Scheduler ↓ Executor ↓ Tools ↓ Feedback这里可以形成完整闭环Intent 负责理解目标 Planner 负责拆解目标 Scheduler 负责调度任务 Executor 负责执行任务四、Planner 的核心输入Planner 不是凭空规划它需要多个信息源。用户目标例如帮我学习鸿蒙开发当前上下文例如用户是新手 每天2小时 目标3个月入门Memory历史记录已经学习ArkTS 已经学习ArkUITool 能力Planner 必须知道系统有哪些工具例如SearchTool CalendarTool CourseTool最终形成Goal Context Memory Tools生成Plan五、Task DAG 才是真正的 Planner很多初学者认为规划就是Task1 ↓ Task2 ↓ Task3实际上企业级 Planner 通常生成DAG (Directed Acyclic Graph)即TaskA ↙ ↘ TaskB TaskC ↘ ↙ TaskD例如查询天气和查询酒店完全可以并行。最后生成旅行计划依赖前面结果。这种结构比简单链路效率高得多。六、Planner 的三种实现方式方案一Rule Planner规则规划例如if(intenttravel){return[weather,hotel,transport]}优点快 稳定 可控缺点扩展困难适合端侧 Agent方案二LLM Planner直接由模型规划Prompt请把目标拆解为任务列表输出[查询天气,查询酒店,规划路线]优点灵活缺点不可预测方案三Hybrid Planner企业最常见架构Rule Engine LLM Planner流程常见任务 ↓ 规则规划 复杂任务 ↓ LLM规划这样成本低 稳定性高 扩展性好七、鸿蒙 App 中如何落地 Planner推荐目录src ├── planner │ ├── planner.ts │ ├── graph.ts │ ├── executor.ts │ ├── task.ts │ └── strategy.tsTask 定义exportinterfaceTask{id:stringname:stringdeps:string[]}PlannerclassPlanner{build(goal:string):Task[]{return[]}}生成 Task Graph 供 Scheduler 使用。八、Planner 与 Scheduler 的区别很多人容易混淆实际上Planner负责想做什么例如学习计划拆解课程分析 ↓ 计划生成 ↓ 创建提醒Scheduler负责什么时候做例如优先级 资源分配 重试机制关系Planner ↓ Task DAG ↓ Scheduler ↓ Execution类似产品经理 ➡️ 项目经理的关系。九、为什么 Planner 会成为未来 App 的核心传统 AppPage ↓ Button ↓ Function未来 AppGoal ↓ Planner ↓ Task ↓ Agent ↓ Tool入口已经变化。过去用户找功能未来用户描述目标系统必须具备目标理解 任务拆解 动态规划 持续执行而这些能力的核心就是 Planner。事实上无论是学术界的 LLM Planner、HTN Planner还是端侧 Planner-Action 架构本质都在解决同一个问题如何把自然语言目标转换成结构化执行计划。十、HarmonyOS AI Native 的 Planner 架构结合前面几篇 Runtime 系列文章一个完整的鸿蒙 AI Native 架构可能会变成Goal ↓ Intent ↓ Planner ↓ Task DAG ↓ Scheduler ↓ Agent Runtime ↓ ┌──────────────┐ ↓ ↓ Memory Tools ↓ ↓ State Center ↓ ArkUI特点Goal Driven Task Driven State Driven Agent Driven越来越像一个小型操作系统而不是传统 App总结如果用一句话理解 PlannerPlanner 不是让 Agent 更聪明而是让 Agent 知道下一步该做什么。过去Question ↓ Answer未来Goal ↓ Planner ↓ Task DAG ↓ Execution ↓ Feedback从ChatBot逐渐演化成Agent Runtime而在未来的鸿蒙 AI Native 应用里真正决定 Agent 上限的可能不是模型参数规模。而是Planner 是否足够优秀。
鸿蒙 App 如何实现 Planner？一文讲透 Agent 的任务规划引擎
子玥酱掘金 / 知乎 / CSDN / 简书 同名大家好我是子玥酱一名长期深耕在一线的前端程序媛 。曾就职于多家知名互联网大厂目前在某国企负责前端软件研发相关工作主要聚焦于业务型系统的工程化建设与长期维护。我持续输出和沉淀前端领域的实战经验日常关注并分享的技术方向包括前端工程化、小程序、React / RN、Flutter、跨端方案在复杂业务落地、组件抽象、性能优化以及多端协作方面积累了大量真实项目经验。技术方向前端 / 跨端 / 小程序 / 移动端工程化内容平台掘金、知乎、CSDN、简书创作特点实战导向、源码拆解、少空谈多落地文章状态长期稳定更新大量原创输出我的内容主要围绕前端技术实战、真实业务踩坑总结、框架与方案选型思考、行业趋势解读展开。文章不会停留在“API 怎么用”而是更关注为什么这么设计、在什么场景下容易踩坑、真实项目中如何取舍希望能帮你在实际工作中少走弯路。子玥酱 · 前端成长记录官 ✨ 如果你正在做前端或准备长期走前端这条路 关注我第一时间获取前端行业趋势与实践总结 可领取11 类前端进阶学习资源工程化 / 框架 / 跨端 / 面试 / 架构 一起把技术学“明白”也用“到位”持续写作持续进阶。愿我们都能在代码和生活里走得更稳一点 文章目录引言一、什么是 Planner二、为什么 Agent 必须有 Planner三、Planner 在 Agent Runtime 中的位置四、Planner 的核心输入用户目标当前上下文MemoryTool 能力五、Task DAG 才是真正的 Planner六、Planner 的三种实现方式方案一Rule Planner方案二LLM Planner方案三Hybrid Planner七、鸿蒙 App 中如何落地 Planner八、Planner 与 Scheduler 的区别PlannerScheduler九、为什么 Planner 会成为未来 App 的核心十、HarmonyOS AI Native 的 Planner 架构总结引言很多开发者刚开始做 AI Agent 时都会有一个误区LLM 足够强 ↓ 直接输出答案 ↓ 任务完成但实际项目里很快会发现用户说帮我安排明天的学习计划这并不是一个简单问题。系统需要分析课程 ↓ 分析空闲时间 ↓ 生成学习计划 ↓ 创建提醒 ↓ 同步日历如果直接让模型一步输出最终结果往往会出现幻觉 遗漏步骤 执行顺序错误 工具调用失败所以在 Agent 系统中真正决定智能体上限的往往不是 LLM。而是Planner规划器Planner 的本质就是把用户目标Goal转换成可执行任务Task。很多团队做 Agent Runtime 时最先实现的是Memory Tool Calling但最后发现没有 PlannerAgent 永远只是高级聊天机器人。一、什么是 PlannerPlanner 可以理解成Agent 的前额叶负责目标分析 任务拆解 执行顺序规划 依赖关系管理 动态重规划例如用户帮我规划东京三日游Planner 不会直接回答而是生成Task1 查询天气 Task2 查询酒店 Task3 查询景点 Task4 规划路线 Task5 生成行程形成Goal ↓ Task Graph ↓ Execution这也是现代 Agent 框架的核心思想。Planner 的职责是将复杂目标拆解为多个可执行步骤而不是一次性生成最终答案。二、为什么 Agent 必须有 Planner传统 ChatBotQuestion ↓ Answer而 AgentGoal ↓ Plan ↓ Action ↓ Feedback例如用户帮我订机票实际上涉及查询航班 ↓ 价格比较 ↓ 选择航班 ↓ 填写信息 ↓ 提交订单如果没有 PlannerLLM 直接调用工具容易导致1、工具乱调用重复查询 重复下单2、状态错乱任务执行顺序错误3、上下文爆炸Prompt 越来越长因此Planner 本质上是 Agent Runtime 的任务编排中心。三、Planner 在 Agent Runtime 中的位置推荐架构User ↓ Intent ↓ Planner ↓ Task Graph ↓ Scheduler ↓ Executor ↓ Tools ↓ Feedback这里可以形成完整闭环Intent 负责理解目标 Planner 负责拆解目标 Scheduler 负责调度任务 Executor 负责执行任务四、Planner 的核心输入Planner 不是凭空规划它需要多个信息源。用户目标例如帮我学习鸿蒙开发当前上下文例如用户是新手 每天2小时 目标3个月入门Memory历史记录已经学习ArkTS 已经学习ArkUITool 能力Planner 必须知道系统有哪些工具例如SearchTool CalendarTool CourseTool最终形成Goal Context Memory Tools生成Plan五、Task DAG 才是真正的 Planner很多初学者认为规划就是Task1 ↓ Task2 ↓ Task3实际上企业级 Planner 通常生成DAG (Directed Acyclic Graph)即TaskA ↙ ↘ TaskB TaskC ↘ ↙ TaskD例如查询天气和查询酒店完全可以并行。最后生成旅行计划依赖前面结果。这种结构比简单链路效率高得多。六、Planner 的三种实现方式方案一Rule Planner规则规划例如if(intenttravel){return[weather,hotel,transport]}优点快 稳定 可控缺点扩展困难适合端侧 Agent方案二LLM Planner直接由模型规划Prompt请把目标拆解为任务列表输出[查询天气,查询酒店,规划路线]优点灵活缺点不可预测方案三Hybrid Planner企业最常见架构Rule Engine LLM Planner流程常见任务 ↓ 规则规划 复杂任务 ↓ LLM规划这样成本低 稳定性高 扩展性好七、鸿蒙 App 中如何落地 Planner推荐目录src ├── planner │ ├── planner.ts │ ├── graph.ts │ ├── executor.ts │ ├── task.ts │ └── strategy.tsTask 定义exportinterfaceTask{id:stringname:stringdeps:string[]}PlannerclassPlanner{build(goal:string):Task[]{return[]}}生成 Task Graph 供 Scheduler 使用。八、Planner 与 Scheduler 的区别很多人容易混淆实际上Planner负责想做什么例如学习计划拆解课程分析 ↓ 计划生成 ↓ 创建提醒Scheduler负责什么时候做例如优先级 资源分配 重试机制关系Planner ↓ Task DAG ↓ Scheduler ↓ Execution类似产品经理 ➡️ 项目经理的关系。九、为什么 Planner 会成为未来 App 的核心传统 AppPage ↓ Button ↓ Function未来 AppGoal ↓ Planner ↓ Task ↓ Agent ↓ Tool入口已经变化。过去用户找功能未来用户描述目标系统必须具备目标理解 任务拆解 动态规划 持续执行而这些能力的核心就是 Planner。事实上无论是学术界的 LLM Planner、HTN Planner还是端侧 Planner-Action 架构本质都在解决同一个问题如何把自然语言目标转换成结构化执行计划。十、HarmonyOS AI Native 的 Planner 架构结合前面几篇 Runtime 系列文章一个完整的鸿蒙 AI Native 架构可能会变成Goal ↓ Intent ↓ Planner ↓ Task DAG ↓ Scheduler ↓ Agent Runtime ↓ ┌──────────────┐ ↓ ↓ Memory Tools ↓ ↓ State Center ↓ ArkUI特点Goal Driven Task Driven State Driven Agent Driven越来越像一个小型操作系统而不是传统 App总结如果用一句话理解 PlannerPlanner 不是让 Agent 更聪明而是让 Agent 知道下一步该做什么。过去Question ↓ Answer未来Goal ↓ Planner ↓ Task DAG ↓ Execution ↓ Feedback从ChatBot逐渐演化成Agent Runtime而在未来的鸿蒙 AI Native 应用里真正决定 Agent 上限的可能不是模型参数规模。而是Planner 是否足够优秀。
