子问题分解策略
对于复杂的多跳问题，将其拆分为子问题，分别回答后再合成为最终答案。
子问题分解策略 是 CoddyKit 上的免费 AI Agents 课时。 这是第 4 节课，共 4 节。 你可以在下方免费阅读本课时的完整内容 — 然后在浏览器中使用内置代码编辑器和全天候 AI 导师进行实践。 这是 AI Agents 学习路径的一部分，你的进度在网页和 CoddyKit 应用中同步。 AI Agents 课程共包含 4 节课。
单跳检索失败时
有些问题需要多次查找：
“比较 Apple 在 2022 年的收入与 Microsoft 在 2023 年的收入。”
一次相似度搜索无法检索到这两个事实；您需要 TWO 个子查询。
子问题分解
LlamaIndex SubQuestionQueryEngine 会将一个问题拆分为多个子问题，分别回答，然后进行合成：
from llama_index.core.query_engine import SubQuestionQueryEngine
from llama_index.core.tools import QueryEngineTool, ToolMetadata
query_engine_tools = [
QueryEngineTool(
query_engine=apple_index.as_query_engine(),
metadata=ToolMetadata(name='apple', description='Financial data for Apple Inc.')
),
QueryEngineTool(
query_engine=msft_index.as_query_engine(),
metadata=ToolMetadata(name='microsoft', description='Financial data for Microsoft Corp.')
)
]
engine = SubQuestionQueryEngine.from_defaults(query_engine_tools=query_engine_tools)
response = engine.query('Compare 2022 revenue of Apple vs 2023 revenue of Microsoft')工作原理
- LLM 分析问题
- LLM 生成子问题，并将每个子问题分配给一个工具
- 并行运行每个子问题
- LLM 根据各个子问题的答案合成最终答案
查看子问题
您可以查看引擎生成的子问题：
response = engine.query('Compare X and Y')
for sq in response.metadata.get('sub_qa', []):
print(sq.sub_q.sub_question, '->', sq.answer)何时使用子问题
- 比较类查询（X 与 Y）
- 多来源聚合
- 包含多个不同事实的问题
何时不应使用
- 简单问答——会增加延迟和成本
- 单文档上下文
- 无法从分解中获益的任务
使用 LLM 进行路由
子问题引擎可以与 RouterQueryEngine 配合，先决定究竟要查询哪些索引集合：
from llama_index.core.query_engine import RouterQueryEngine
router = RouterQueryEngine.from_defaults(query_engine_tools=query_engine_tools)
# Routes 'apple revenue' to apple index, 'msft margins' to msft, etc.编程代理中的子问题
对于编写代码的代理，子问题是一种规划步骤的方法：
“构建 REST API” → 子任务：设计模型；子任务：编写增删改查处理器；子任务：添加身份验证。
成本影响
子问题会生成 N 个子查询，而不是 1 个。每个子查询都需要一次 LLM 调用和检索。请相应地安排预算——成本约为单跳查询的 3 到 4 倍。
与 ReAct 的比较
子问题强调事先规划，而 ReAct（下一门课程）强调逐步执行。对于已知可以分解的查询，子问题速度更快；对于探索性任务，ReAct 的适应性更好。
组合使用：ReAct + 子问题工具
最灵活的方式是使用 ReAct 代理，并将子问题引擎作为工具——每次“工具调用”本身都可以进一步分解为多个子查询。
评估子问题质量
跟踪 LLM 生成的子问题是否合理。如果不检查追踪记录，调试糟糕的分解结果会很困难。
分解使用场景
对于哪类问题，子问题分解最有用？
回顾
子问题分解会将一个复杂查询转换为多个简单查询——成本更高，但在比较类问题和多来源问题上能显著提高准确率。
常见问题解答
「子问题分解策略」课时是免费的吗？
是的 — 「子问题分解策略」的完整文本可在网页上免费阅读。要进行交互式练习（内置代码编辑器和全天候 AI 导师）并解锁 AI Agents 课程的其余内容，请升级到 CoddyKit PRO。 AI Agents 课程共包含 4 节课。
「子问题分解策略」这节课中我会学到什么？
对于复杂的多跳问题，将其拆分为子问题，分别回答后再合成为最终答案。 你通过在浏览器中直接运行的动手代码来练习 AI Agents，全天候 AI 导师会在你学习这节课的过程中回答你的问题。
学习 AI Agents 需要有经验吗？
无需任何先前经验。CoddyKit 上的 AI Agents 课程适合初学者到高级学习者，你可以从这里开始或从头开始，按照自己的节奏学习。 这是第 4 节课，共 4 节。
「子问题分解策略」课时需要多长时间？
大多数 CoddyKit 课程大约需要 5–10 分钟。每节课都很精短且互动，所以你能稳步进步，并在网页和应用中从离开的地方继续。
我能在这节 AI Agents 课中编写并运行代码吗？
能。每节 AI Agents 课都包含内置代码编辑器，你可以在浏览器中直接编写并运行真实代码，并获得即时 AI 反馈 — 无需本地设置。