动态分解在固定任务上多 30% 开销：按任务类型匹配策略

什么都用动态分解听起来很聪明——“需要适应时它就能适应。“但在固定流水线任务上，动态多了 30% 延迟开销却零质量提升。策略匹配——固定的用链式、探索的用动态——同时优化效率和质量。

数据：策略匹配很重要

一个系统对所有任务都用动态分解：

总浪费开销：30% × 60% = 整体 18%。策略匹配消除了这个浪费，同时保留探索型任务 25% 的质量提升。

Prompt chaining：固定、可预测的步骤

安全扫描 → 性能审计 → 风格检查 → 集成总结。永远是这些步骤、同样的顺序、同样的输出向前流转。Prompt chaining 提供一致性、可审计性和效率。

一个阻止执行中途改计划的刚性链式对这种任务是正确的——步骤不需要变。在这里引入动态分解增加了分析开销（agent 评估是否要适应，但从不会适应）并降低了可预测性（可能在不同运行之间不必要地偏离）。

动态分解：依赖发现的规划

“理解这个遗留代码库并识别风险区域。“Agent 事先不知道结构。它探索、发现模块、识别耦合、根据发现调整焦点。固定计划无法考虑 agent 尚未发现的东西。

当研究 agent 在 4 步链式的第 1 步发现了一篇突破性论文时，刚性链式强制第 2 步按原计划进行——错过了那篇论文的含义。动态分解让 agent 重构自己的方法。

混合：一个流水线中链式 + 动态

CI 流水线有两个阶段：

• 阶段 1（代码审查）：固定 4 步链式（安全 → 性能 → 风格 → 集成）
• 阶段 2（改进建议）：探索型，取决于审查发现了什么

阶段 1 用链式（可预测、可审计）。阶段 2 切到动态（自适应、发现驱动）。每个阶段得到最优策略。

半结构化任务：先链后适应

调试遵循一个模式：前 2 步是固定的（复现 → 隔离），然后方法根据找到的根因进行适应。固定步骤用链式，然后切到动态做自适应阶段。

扩展点：可预测性 + 适应性

一个 CI 系统需要可审计的步骤（审查者期望一致的结构）和适应能力（某些发现需要更深入调查）。修复：一个 prompt chain 骨架带扩展点——agent 可以在发现需要时选择性触发更深入调查的地方。链式确保一致的基础行为；扩展允许定向适应而不破坏整体结构。

“动态包含链式”是错的

同事说：“永远用动态——任务固定时它能复刻链式。“技术上没错，但动态给固定任务增加了开销：不必要的分析、降低的可预测性、更难调试。瑞士军刀能拧螺丝，但螺丝刀更适合这个活。

决策框架

步骤 1：任务有可预测的固定步骤吗？→ Prompt chaining。 步骤 2：任务需要根据发现进行适应吗？→ 动态分解。 步骤 3：两者都有固定和自适应阶段？→ 混合。

任务的性质决定策略。选择前先分析特征——不要默认用任何一种。

一句话总结： 固定流水线用 prompt chaining（省 30% 开销），探索型任务用动态分解（+25% 质量），混合任务用混合——按任务类型匹配策略，不要什么都用动态。