文章探讨了设计复杂复合人工智能系统的方法，强调通过任务组合管理复杂性。任务作为能力的基本构建块，清晰的输入和输出有助于系统的演化与理解。技术进步使得重新划分子任务边界能够提升性能，促进人机协作的有效性。总体而言，任务组合有助于构建更稳健、易于演变的系统。

本研究提出了LLMSelector框架，旨在优化复合人工智能系统中的模型选择问题。实验证明，该方法在多代理辩论和自我提升等任务中，准确性提升了5%-70%。