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

  1. 直接从目标生成动作,不显式构图。
  2. 线性计划,不允许非局部重排。
  3. 静态任务图,只读不修复。
  4. 可编辑计划图,按反馈进行局部增删和重排。
  5. 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。