最小任务
给定当前可见观察、目标、可用工具和已构建任务图,Agent 输出下一动作。执行后根据可观察状态变化,预测是否需要增加、删除、重排或标记失效的计划边。真实完整环境状态只用于合法的任务构造或评测,不能默认对 Agent 可见;构图信息和成本也需要计入。每个 episode 都从干净状态开始,不把前一 episode 的经验写入长期记忆。
图表示的最小 schema
| 节点 | 含义 |
|---|---|
| 子目标 | 当前目标分解后的可验证中间结果 |
| 状态谓词 | 工具执行前后可观察的条件 |
| 动作 | 可调用工具及其参数约束 |
| 结果 | 成功、失败、部分完成或副作用 |
关系只保留任务执行所需的 requires、enables、causes、blocks、repairs。图编辑应能回溯到触发它的观察和工具反馈。
最小基线
- 直接从目标生成动作,不显式构图。
- 线性计划,不允许非局部重排。
- 静态任务图,只读不修复。
- 可编辑计划图,按反馈进行局部增删和重排。
- Oracle 图,使用人工正确的子目标依赖和状态效果,单列为具有额外信息的上限,不与等可见信息方法混算。
直接相关的强对照
根据具体任务选择 ADaPT 的按需分解、LLMCompiler 的依赖调度,以及 ReCore 的错误传播核心修复。另设文本状态表、文字约束清单和确定性前置条件检查;避免仅比较缺失反馈的弱动作链。
ToolSandbox 与 AppWorld 是状态/副作用任务的优先候选;τ²-bench 可用于不同的人机协作任务。环境选择仍待小样本检查,不意味着已经实现新数据集。
判别实验
| 实验 | 操作 | 主要观测 | 支持什么判断 |
|---|---|---|---|
| 边打乱 | 保持节点和 token 数不变,随机置换依赖边 | 下一动作准确率、失败率 | 收益是否来自关系结构,而不是额外文本 |
| 局部故障 | 让一个工具动作返回可诊断错误 | 修复动作、恢复步数、任务成功 | 图是否能定位受影响的子计划 |
| 依赖变化 | 保持目标文字,改变前置条件或 API 参数 | 重排比例、状态一致性 | Agent 是否读取环境约束而非背诵动作顺序 |
| 结构迁移 | 用新实体、新工具名和新任务模板重放同一依赖模式 | OOD 成功率、动作成本 | 学到的是结构还是表面字符串 |
| 预算对照 | 固定上下文和工具调用预算 | 成功率/成本曲线 | 图结构是否在等预算下仍然必要 |
主要风险
- 如果线性计划已经足够,图只是可视化层,不应宣称图结构带来能力提升。
- 如果环境反馈过于明确,任何控制器都能修复,需加入隐藏前置条件和副作用测试。
- 如果测试任务与模板高度重复,应按任务族、实体和工具组合拆分,避免动作字符串泄漏。
- 图编辑正确性与最终成功必须分开报告;成功不能自动证明图更新正确。
- 每条轨迹还应记录工具调用次数,作为成本对照。
与相邻子库的边界
Agent Memory 与 RSI 可以提供背景和对照,但本实验不评估跨 session 记忆保留、记忆写入策略或系统递归改进。GraphRAG 只可作为检索组件基线,不能替代交互任务定义。