Стратегии декомпозиции задач

Суть

Для предсказуемых процессов (шаги известны заранее) — цепочка промптов (prompt chaining). Для открытых задач (промежуточные находки определяют следующие шаги) — динамическая адаптивная декомпозиция.

Большой объём → отдельные проходы

Один большой проход по многим файлам даёт неравномерную глубину из-за размывания внимания. Паттерн «по файлу + интеграционный проход»: сначала отдельный разбор каждого файла, затем отдельный проход на кросс-файловые связи. Увеличение окна контекста размывание внимания не лечит — это классическая ловушка.

Anti-patterns

Ловушка	Почему не работает	Верный паттерн
Динамическая декомпозиция для предсказуемого процесса	Лишние накладные расходы, когда шаги фиксированы	Цепочка промптов для предсказуемого; динамика — для открытого
Брать модель с большим контекстом, чтобы разом ревьюить 14 файлов	Размер контекста не лечит размывание внимания	Разбить: проходы по файлу + интеграционный проход
Сразу писать тесты для незнакомого легаси	Без карты тесты дублируются/пропускают важное	Карта → высокоэффективные зоны → план → адаптивная реализация

Exam traps

Ловушка	Почему не работает	Верный паттерн
«Просто больше контекста» против неравномерной глубины	Внимание всё равно размывается на объёме	Специализированные проходы с узкой целью каждый
Три поверхностных прохода ≈ один глубокий	Объединение поверхностных не даёт глубины	Один сфокусированный проход на цель

Практическое задание (T6)

Построить цепочку промптов для код-ревью из 5 шагов (parse → analyze → summarize → compare → report).
Построить динамическую декомпозицию для «найти все пробелы в тестах» и наблюдать адаптацию плана.
Сделать однопроходное ревью 8 файлов и задокументировать неравномерность.
Повторить с проходами «по файлу + интеграция» и сравнить качество/согласованность.
Классифицировать 5 описаний задач как «цепочка промптов» или «динамика».

Проверка знаний

Claude Code в CI/CD

PR из 14 файлов в однопроходном ревью даёт неравномерный результат: где-то детально, где-то поверхностно, баги пропущены, отзывы противоречивы (паттерн отмечен в файле A и одобрен в идентичном файле B). Как исправить?

A Разбить на сфокусированные проходы: по файлу — локальные проблемы, отдельный интеграционный проход
B Обязать разработчиков дробить большие PR до 3–4 файлов
C Перейти на модель с большим окном контекста
D Сделать три независимых прохода и отмечать проблемы, найденные в ≥2

Claude Code в CI/CD

Один агент ревьюит PR микросервисов: 4 сервиса, 3 общие библиотеки, 1 миграция БД, 12 тестов (20 файлов). Ревью завершается, но без глубины — архитектурные риски отмечены поверхностно, мелочи расписаны. Что сделать?

A Большее окно контекста для пропорционального внимания
B Разбить: структурный проход по файлу, интеграционный проход на контракты между сервисами, отдельный проход на безопасность миграции БД
C Запустить то же ревью 3 раза с разными промптами и объединить
D Ранжированный список приоритетов в промпте, чтобы агент уделял больше внимания рисковым файлам

Многоагентная исследовательская система

Синтез из 6 доменных специалистов (все одновременно). Синтезатор слил противоречивую статистику без пометок и полностью проигнорировал отчёт №4. Как надёжно исправить?

A Промпт: находить противоречия и подтверждать прочтение всех 6
B Запускать синтез 3 раза и брать позицию большинства
C Извлечение по отчёту (нормализованные «утверждение–свидетельство–источник»), попарное выявление конфликтов, затем синтез с разбором конфликтов
D Поставить отчёт №4 первым ради эффекта первичности