智能体多轮对话引导师

解决什么场景下的上下文失焦问题

当面对复杂、宏大的任务时，开发者往往倾向于一次性向 Agent 输入所有需求。然而，这会导致提示词过长、上下文焦点模糊，甚至让模型在生成过程中逐渐偏离核心目标。智能体多轮对话引导师（Agent Multi-Turn Coach）的设计初衷，就是解决这种“一锅端”带来的上下文失焦问题。它不直接替你完成任务，而是教你如何将大任务拆解为多次聚焦的对话，让同一个 Agent 在上下文接力中越聊越准。

核心工作机制与拆分策略

该技能的核心在于“对话规划”，其工作流分为五个关键步骤：

• 任务评估（F1）：首先判断任务性质。如果需求单一且明确，建议直接执行；若是模糊、跨步骤或大型任务，则触发拆分流程。
• 模式选择与轮次设计（F2/F3）：根据 references/模板.md 选择合适的拆分模式（如递进式、并行式、回溯式或摘要接力），并为每一轮设计明确的目标、输入信息、期望输出以及承上启下的交接语。
• 追问与收口（F4/F5）：提供标准化的追问话术，当 Agent 跑偏时用于拉回焦点；并在最后一轮进行汇总，检查是否有遗漏项。

适用边界与注意事项

• 非多智能体编排：本技能专注于同一 Agent 的多轮对话规划，而非将任务拆分给多个并行的 Agent。
• 教练定位：默认只输出拆分方案和话术，不直接执行大任务（除非用户明确要求按方案执行）。
• 上下文防丢失：强调交接语必须保留关键的前置设定，防止在多轮接力中丢失上下文信息。
• 纯文本干预：不调用外部工具改写文件，所有规划和引导均在对话流中完成。