智能体可以从失败轨迹中改写自己的执行图
Google、佐治亚理工和北京大学的研究者提出“程序图”（Procedural Graph），试图解决长任务中智能体偏离目标、工具调用顺序错误和反复执行无效动作的问题。与把历史经验压成一段文本不同，程序图用“步骤—关系—步骤”三元组显式保存该做什么、先后条件和常见陷阱；每次决策时，系统先定位智能体所在节点，再把附近两跳子图和最近三步轨迹交给指导模型，生成当下建议，但最终行动仍由原来的求解模型决定。
这张图还能根据执行结果离线演化。每轮训练后，另一个 LLM 对比成功与失败轨迹，提出新增、删除或修改节点、边及属性的方案；候选图只有在独立验证集上保持或提高成绩才会被采用，被拒方案则作为负面记忆，减少重复试错。图在每个任务执行期间保持固定，因此论文展示的并不是智能体在生产任务中即时改写规则，而是用历史任务批量更新下一版工作流程。
研究在 Claude Sonnet 4.6、Gemini 3.1 Pro、Gemini 3.5 Flash 和 Grok 4.1 Fast 上测试了多跳问答、指令保持、专业任务、具身操作、客服工具调用和函数调用。程序图在 24 个“模型—基准”组合中有 21 个排名第一或并列第一。更值得注意的是，它能纠正错误的人工流程：在 MultiChallenge 上，手写图把成功率从无图基线的 87.50% 拉低到 58.93%，经过迭代演化后回升到 92.86%；在企业现金流模拟中，最终图把测试集的全程存活率从 0 提高到 85%。
这些结果表明，智能体的可复用经验可能需要从“记住发生过什么”升级为“维护可审查的执行结构”。但收益并非免费：局部子图指导需要额外模型调用，在 GDPval 和 ALFWorld 上，虽然求解步数减少，总 token 仍比无图基线高 33.4% 和 55.4%；部分指标还依赖 LLM 评审，论文目前也只是 arXiv 首版。程序图因此更像一种值得验证的控制层设计，而不是已经证明能普遍降低生产成本的方案。