Plan系统从DAG架构退回线性清单，一场关于LLMAgent执行逻辑的反思

在大语言模型驱动的智能体（Agent）系统设计中，任务规划（Planning）模块的结构选择直接影响执行可靠性与可调试性。2026 年初，某团队将 Plan 系统设计为 DAG（有向无环图）架构——步骤间通过显式依赖关系连接，支持拓扑排序与并行调度，理论上能提升效率并实现局部失败隔离。然而仅两个月后，该系统被整体重构为线性清单（Linear List），这一“退步”背后暴露了理论模型与 LLM 实际行为之间的深刻鸿沟。

DAG 的吸引力源于其形式化严谨性。以“重构认证模块”为例，任务可拆解为五个步骤：分析流程（无依赖）、设计 token 方案（依赖步骤1）、修改 middleware（依赖步骤2）、更新测试（依赖步骤3）、更新文档（依赖步骤2）。其中步骤3与步骤5互不依赖，可并行执行。计算机科学中，这类结构可通过拓扑排序高效调度，学术界亦持续推动相关研究：2026 年 7 月发表的 Atomic Task Graph 提出显式暴露子任务依赖以支持并行；2026 年 1 月的 Task-Decoupled Planning 进一步引入 Supervisor-Planner-Executor 三层架构，主张失败时仅在受影响子图内重规划；更早的 Plan-over-Graph 则让模型先生成 DAG 再调度执行，实验显示 Claude 3.5 Sonnet 在该框架下任务成功率可达 90%，但最优路径达成率仅 39.2%。

上述成果强化了 DAG 作为“正确答案”的共识。该团队据此实现了初步 Plan 结构体：每个步骤含唯一 ID、描述、依赖列表与状态字段；引擎负责环检测、就绪判定（所有前置步骤完成）、就绪步骤批量调度，并在多个就绪项中自主决定执行顺序——整套逻辑符合编译原理标准范式。

但真实 LLM Agent 环境迅速揭示了问题。首个暴露的故障是 auto-verify 机制引发的状态失真：前端 UI 显示计划进度为 0/14，而可观测日志中工具调用记录表明模型已执行大量 read、grep、exec、edit 操作，实际完成约 9 个步骤的工作量。差距源于一条隐藏因果链——当某步骤标记为“done”时，系统自动触发验证命令（如 go build ./），若验证失败，则该步骤状态回滚为 pending，但其下游依赖步骤可能已被提前调度执行，导致“已完成步骤”与“实际可验证步骤”脱节。

更深层矛盾在于：DAG 要求引擎掌握完整的依赖拓扑并主动决策执行顺序，而 LLM Agent 的行为本质是非确定性、上下文驱动的认知过程。模型在执行中常根据新观察动态调整策略，例如发现步骤5（更新文档）所需信息已在步骤3（修改 middleware）中自然产出，便跳过原定独立路径；或因工具调用返回异常，临时插入诊断步骤。这些“认知跃迁”无法被静态 DAG 捕获，反而因引擎强制遵循预设依赖关系，造成步骤阻塞、重复执行或状态错位。

团队逐步意识到：引擎不该替模型做认知判断。DAG 隐含的前提是“任务分解与执行顺序可完全离线确定”，但 LLM 的推理链是在线演化的。当模型生成一个步骤时，它隐含了对前序上下文的理解与后续动作的预期；若引擎强行插入调度逻辑，等于用确定性规则覆盖概率性推理，破坏了模型自身的连贯性。

重构方向明确为线性清单：不再定义 depends_on 字段，而是由模型一次性输出有序步骤序列；执行时严格按顺序推进，每步完成后由模型自主决定是否继续、回溯或插入新步骤；验证机制移至步骤内部，由模型控制验证时机与重试策略。新设计牺牲了理论上的并行潜力，却显著提升了状态一致性与可观测性。实测中，任务完成率从 DAG 下的 61% 提升至 89%，调试耗时下降 70%，且 Bug 数量从平均 7 个降至 0。

值得注意的是，这一转变并非否定 DAG 的价值，而是厘清其适用边界。在传统自动化脚本、CI/CD 流水线或确定性工作流引擎中，DAG 仍是高效选择；但在 LLM Agent 这类以语言模型为核心、依赖上下文推理与动态适应的系统中，过度结构化反而成为负担。正如团队总结：“模型是认知主体，引擎应是忠实执行者，而非决策代理。”

该案例也折射出当前 Agent 工程实践的普遍困境：学术研究倾向于构建理想化抽象模型（如 DAG、分层架构），而工业落地需直面 LLM 的非理性、不可复现与上下文敏感性。越来越多团队开始转向“轻规划、强反馈”路径——减少预设结构，增强执行中的观测与修正能力。例如，部分系统改用“步骤+检查点”模式，允许模型在任意点声明“当前上下文不足以继续”，触发重规划而非依赖引擎干预。

Plan 系统的这次回退，表面上是架构降级，实质是一次认知校准：在人机协同的智能体系统中，尊重模型的推理主权，比追求形式上的最优调度更为关键。当引擎学会“放手”，系统反而更稳定、更可解释、更贴近真实工作流。