拆解真实采购Agent：从任务清单到自动生成报告

一个复杂任务如何被Agent拆解

当用户提出“对比两款火花塞并给出采购建议”这样的复杂需求时，Agent并没有直接去搜索，而是先调用了一个名为“Rush to Do's”的工具，生成一份结构化的任务清单。这份清单里不仅有每一步要做什么，还标注了每一步的状态（如 In Progress、Complete、Pending）。这相当于给整个任务画了一张施工图，后续所有动作都围绕这张图展开。

任务清单的价值在于：它让Agent的执行过程变得可追踪、可干预。用户能清楚看到当前进行到哪一步，哪一步出了问题，而不是面对一个黑盒。

按图索骥：一步步调用工具与子智能体

任务清单生成后，Agent开始逐步执行。以第一步“分析操作手册”和第二步“收集两款火花塞产品数据”为例，Agent会读取URL映射表，同时从ERP系统中查询产品信息。

在查询零配件时，Agent调用了一个名为“part 搜索”的工具。它首先搜索第一个零配件，拿到型号等信息；接着搜索第二个零配件时，第一次可能没有查到，于是它自动换了一种方式——先查询供应商，参数从“电装”切换到“博士”，最终成功找到了博世某型号火花塞。整个过程展示了Agent在遇到查询失败时的自适应重试能力，而不是直接报错终止。

查到内部数据后，Agent继续查询订单详细数据（old search detail），这些数据以JSON格式返回。至此，ERP侧的数据收集完成。

子智能体（Sub-agent） 是指在主 Agent 框架下派生出的、具备独立推理与工具调用能力的轻量级执行单元。主 Agent 负责高层规划与任务分派，子智能体则专注于完成某个具体子任务（如“分析操作手册”或“收集产品数据”），并将结果回传给主 Agent。这种设计的好处是：每个子智能体拥有更聚焦的上下文，降低了单次推理的复杂度；同时子任务之间可以并行或串行编排，失败时也只影响局部，便于主 Agent 统一调度与状态管理。

URL 映射表 是一种将业务语义（如“操作手册”“产品数据页”）与具体网络地址对应起来的配置化数据结构。Agent 在执行任务时，无需硬编码每个资源的地址，而是先查映射表定位目标 URL，再发起访问或抓取。这种方式让 Agent 的数据源配置与执行逻辑解耦：新增或变更数据源时只需更新映射表，执行流程保持不变，也便于权限控制和来源审计。

从内部系统到外部网页：爬虫补全报价信息

内部数据收集完毕后，Agent进入外部数据获取阶段。日志显示：“ERP数据已经收集完毕，现在开始获取外部的报价页面。”它通过爬虫抓取博世官网上的火花塞报价页面，将外部公开报价纳入分析范围。

这一步的关键在于：Agent不局限于企业内部系统，还能主动访问互联网获取实时报价，从而让最终的采购分析具备更完整的比价基础。整个执行过程中，每完成一步，Agent就会将对应任务的状态修改为 Complete，直到清单上所有步骤全部完成。

ERP 系统（企业资源计划）是制造与流通企业用来管理采购、库存、订单、供应商等核心业务数据的集成信息系统。在本案例中，Agent 通过工具接口从 ERP 中查询零配件型号、供应商参数和订单明细，这些数据以结构化 JSON 形式返回，成为后续比价分析的基础。Agent 与 ERP 的集成通常通过 API 或中间件完成，而非直接操作数据库，以保证权限隔离和数据一致性。

自动生成报告与下一步引导

当六个步骤全部标记为完成，Agent会自动生成一份采购分析报告。报告开头是摘要，详细内容保存至指定目录。Agent还会主动询问用户是否需要下载报告，并给出下一步可深入分析的维度建议。这种“完成即交付+主动引导”的模式，把复杂任务从发起到产出报告的链路真正闭环了。

从任务拆解、工具调用、失败重试、状态管理到报告生成，这个真实案例展示了一个采购Agent的完整工作流。其核心设计思路——先规划再执行、每步可观测、结果可交付——对构建其他领域的任务型Agent同样有参考价值。