传统作战任务规划主要依赖预设规则或面向特定问题构建的优化算法，难以支持复杂动态环境下作战任务的自主组织、策略选择和协同决策。为此，本文提出一种面向作战任务规划的大模型多智能体决策方法，利用大语言模型完成任务理解、策略选择和工具调度。将作战任务规划分为假目标筛选、威胁评估和火力分配三个串行阶段，基于LangGraph构建图状态驱动的多智能体协同架构，并结合ReAct推理、检索增强生成和外部算法工具，实现阶段信息传递、决策方法动态选择与方案约束校验。防空反导作战任务规划案例表明，本文方法能够有效完成各阶段决策任务，在资源受限条件下生成满足约束的可执行方案，为复杂动态环境下的作战任务规划提供了一种结构清晰、可扩展且具有可解释性的智能决策框架。

作战任务规划,大语言模型,多智能体,检索增强生成