腾讯混元multi-agent需启用react提示词以实现自动任务拆解：先思考缺什么，再行动调用工具，最后观察更新状态；必须通过元器平台“任务分解节点”输入原始指令触发语义解析，识别实体、动作链、约束条件，并自动生成有序子任务；可添加系统提示词约束或mcp规则库强制规范拆解逻辑；调试时须验证数据传递、fallback机制与时序合理性。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你需要让腾讯混元智能体自动把“预约三甲医院心内科专家号+同步调取近三个月体检报告+生成就诊前注意事项清单”这类多目标、跨系统、含条件判断的复杂任务，精准拆解成可执行、可验证、有先后依赖的原子步骤。
理解主Agent的自动规划机制
腾讯混元Multi-Agent架构中，【控制器/主Agent必须启用ReAct风格提示词】，否则它不会主动思考“下一步该做什么”，而是直接尝试一次性输出最终答案——这会导致任务跳步、遗漏工具调用、无法处理失败回滚。
主Agent不是靠人工写死流程图来拆任务，而是基于大模型的推理能力，在每一轮响应中完成「思考→行动→观察」闭环：先判断当前状态缺什么信息/权限/前置结果，再决定调用哪个子Agent或工具，最后根据返回结果更新内部状态机。
用腾讯元器平台配置可拆解任务流
进入腾讯元器平台 → 智能体管理 → 选择已创建的Multi-Agent智能体 → 点击「编排」标签页。
在画布中拖入「任务分解节点」，双击编辑，输入原始用户指令（如：“帮我查明天北京朝阳医院呼吸科余主任的号源，并对比她最近两次出诊的患者评价”）。
系统会自动触发混元思考模型高级版进行语义解析，识别出3类要素：①实体（朝阳医院、呼吸科、余主任）、②动作链（查号源→拉评价→做对比）、③约束条件（明天、最近两次）。【这一步不可跳过，手动输入原始指令才能激活自动拆解】
确认后，画布自动生成带序号的子任务节点：1. 查询医院科室API获取余主任排班 → 2. 调用评价爬虫插件抓取历史门诊评价 → 3. 启动对比分析Agent执行文本相似度与情感倾向计算。
强制指定关键拆解规则（应对模糊指令）
方法一：在主Agent系统提示词末尾追加指令约束
例如添加：“当用户指令含多个动词或‘并’‘同时’‘还要’等连接词时，必须按时间顺序、数据依赖关系、权限获取优先级三层标准强制拆解，每个子任务输出必须包含唯一ID、预期输入、预期输出格式、超时阈值。”
方法二：用MCP插件预置业务规则库
上传JSON规则文件，定义高频复合场景的拆解模板。例如匹配到“预约+调报告+生成清单”组合时，自动套用预设的7步流程：①身份核验 → ②HIS系统挂号接口鉴权 → ③调阅LIS/PACS报告元数据 → ④过滤近90天有效报告 → ⑤提取异常指标字段 → ⑥关联用药史生成风险点 → ⑦按小红书体例渲染清单。
这一步操作起来很简单，直接把规则JSON拖进MCP插件配置区就行。
验证拆解结果是否合理
第一步：在元器平台「调试」面板输入测试指令，点击「查看执行路径」。
第二步：重点检查三个断点：子任务间是否存在未声明的数据传递（比如任务2需要任务1的返回字段但未设output mapping）；是否有子任务缺少fallback机制（如号源查询失败时未触发候补医生推荐）；时间敏感任务是否被分配了错误的执行时序（把“生成清单”放在“调报告”之前）。
第三步：对任意子任务节点右键→「模拟失败」，观察主Agent是否触发重试逻辑或降级路径——如果直接报错中断，说明拆解时未配置状态机转移条件。
