BMW agent图介绍
这张图主要介绍的是 Planner（规划智能体）的工作流程与任务分解逻辑，既包含了Planner所使用的提示（Prompt）结构，也展现了其整体的任务处理过程，具体可从以下部分拆解：
1. 输入部分：明确Planner的Prompt构成
图的上方模块展示了Planner的输入内容，包含：
- System: Task Decomposition Prompt：这是系统级的提示，用于定义Planner的核心任务——“任务分解”，为大语言模型（LLM）提供任务类型的指引；
- Previous Messages：过往的消息，作为上下文信息，帮助Planner结合历史交互或相关背景来进行当前的任务分解；
- User: User Instruction：用户的原始指令，是Planner进行分解的核心依据。
这部分清晰呈现了Planner所依赖的Prompt结构，说明Planner是通过“系统提示 + 上下文 + 用户指令”这样的Prompt组合，来驱动大语言模型开展任务分解工作的。
2. 处理与输出部分：展现Planner的任务分解结果
- Assistant：代表Planner（借助LLM）根据输入生成的响应，要求是生成遵循“Task”数据模型的结构化JSON。这体现了Planner输出的形式与规范；
- Process Response：对Assistant生成的结构化JSON进行处理；
- Result：最终呈现出分解后的任务结构，比如图中展示的Task 1、Task 2等子任务，以及它们之间的依赖关系（像Task 3依赖于Task 1，Task 5又依赖于Task 3和其他任务等）。
这部分完整展示了Planner从接收输入，到生成结构化任务分解结果的整个过程，体现了Planner作为“任务分解者”的核心功能，即把用户的复杂指令拆解为可执行的、带有依赖关系的子任务集合。
综上，这张图并非只介绍Planner的Prompt结构，而是从输入、处理到输出，全面介绍了Planner的工作流程以及它在任务分解方面的作用与结果形态。