ARTICLE · 1054882
给 AI 智能体一张会自己进化的“办事地图”
给 AI 智能体一张会自己进化的“办事地图”想象一下，你请了一个非常聪明、知识渊博，但有点健忘的实习生帮你办一件长事。刚开始他干得不错，可任务一多、时间一长，他开始忘记目标，把步骤搞乱，反复做同一件没用的事。今天的大语言模型智能体，就有点像这个实习生。 它们能推理、能调用工具、能和多轮环境交互，但大多数时候，它们靠“自由发挥”来决定下一步做什么。历史记录越堆越长，目标、约束、先后顺序却没有被明确写出来。于是，智能体会迷路、重复、提前行动，或者在关键时刻漏掉重要检查。 这项研究提出的“程序图”，就是想给智能体装一张外部的、可编辑的、会自己进化的“办事地图”。 从“是什么”到“怎么办” 我们熟悉的知识图谱，擅长整理事实。它把世界组织成“实体—关系—实体”，回答“是什么”的问题。比如“北京是中国首都”“水是液体”。但智能体真正需要的，不只是事实，还有程序性知识：先做什么、后做什么、什么条件下做、遇到什么坑要避开。这就是“怎么办”的问题。 程序图借用了知识图谱的思想，但组织的是行动。它的节点可以是一个工具调用、一个推理步骤，或者一个任务状态；它的边表示“从当前步骤可以走到下一步”。每条边还带着三类说明：什么时候该走这条路，具体该怎么走，以及要小心什么坑。 比如在财务规划里，有一条路是从“预测现金流”走到“申请融资”。它可能写着：当预计现金快不够用时，要提前申请，因为资金到账有延迟；但不要在一笔融资还在等待时重复申请。这样，智能体就不是凭感觉行动，而是能查到一张明确的程序地图。 在线导航：只报眼前路口，不抢方向盘 程序图在智能体执行任务时怎么用？可以把它想成导航。 每走一步，系统先判断智能体现在位于哪个节点，然后只看这个节点周围的一小片区域，比如往前看两步。接着，一个“指导模型”把这片小地图翻译成一句具体的情境建议，塞进智能体的提示里。但最终选择哪个动作，仍然由原来的求解器决定。 这很重要：程序图不是硬性状态机，不是拿绳子把智能体捆死。它是“软引导”——像导航说“前方路口右转”，但司机仍可以判断路况。这样既减少低级错误，又保留大模型的推理灵活性。 研究还发现，局部地图比整张大地图更有效。把完整程序图一股脑塞给模型，就像把整本交通法规摊在司机面前，信息太多、噪声太大；而只给当前路口和前方两个路口，反而更清楚、更省资源。 离线进化：像科学实验一样改地图 程序图最有趣的地方，是它会自己长大、自己修正。 系统先让智能体跑一批任务，记录成功和失败的轨迹。然后，一个“精炼模型”像科学家一样对比：失败轨迹里有哪些重复错误？成功轨迹里有哪些好捷径？接着，它提出修改地图的建议：加节点、加边、删掉总导致失败的边，或者改写边上的条件、指导和坑。 但改地图不能随便改。候选的新地图要拿到独立验证集上考试。只有表现不下降，才会被正式采纳；如果变差，就退回旧地图。被拒绝的方案不会丢掉，而是进入“拒绝记忆”，像错题本一样，提醒以后别再提同样糟糕的修改。 这很像科学方法，也很像进化算法：先变异，再选择，保留好的，淘汰坏的。实验发现，即使从一张只有“开始”和“结束”的最小骨架出发，这套循环也能长出有效的地图，甚至超过人类手工设计的版本。更妙的是，如果专家一开始给了一张有问题的地图，它还能通过迭代把错误修回来。 为什么有效：把程序记忆外置 认知科学里，人的记忆常被分成事实记忆和程序记忆。你知道“巴黎是法国首都”，这是事实；你知道“做手术前要核对清单”“骑自行车怎么保持平衡”，这是程序。大模型的知识图谱更多在管事实，而程序性知识往往藏在模型权重里，或者散落在提示词、工作流脚本中，既不清楚，也不好改。 程序图把程序记忆外置成一张可检查、可检索、可编辑的图。它像飞行员的检查单、外科医生的手术核对清单。它不是替代推理，而是把“该先做什么、什么条件做什么、别踩什么坑”从隐式生成变成显式结构，减轻智能体的程序性认知负担。 实验告诉我们什么 这项研究在多种任务和多个大模型上做了测试，包括多跳问答、多轮对话、专业交付、家务模拟、客服、函数调用和企业财务决策。总体来看，程序图在多数设置中表现最好。 长期企业财务模拟尤其能说明问题。在这个环境里，资金申请后要等一到六个月才到账，而且不能同时堆很多待处理请求。没有程序图的智能体常常等到现金快断了才申请融资，甚至重复申请被拒；有程序图的智能体则会提前预测现金流、提前融资、耐心等待到账，从而在金融危机中活得更久。结果不是“工具调用越多越好”，而是“该查时查、该等时等、该停时停”。 效率上，局部子图加生成式指导，也比把整张图直接塞进提示更好：它减少了不必要的步骤和上下文消耗，让智能体更聚焦。 结语 知识图谱整理事实，程序图整理行动。大模型负责灵活的语言理解和推理，程序图负责程序记忆、顺序约束和条件提醒。它让智能体既保留自由探索的能力，又不至于在长任务中迷路、乱序和重复。 说到底，程序图不是让 AI 变得更死板，而是给它一副可修改、可进化的“流程骨架”。就像人类专家既懂知识，也依赖检查清单和操作规范一样，未来的 AI 智能体也需要一张会自己长大的办事地图。 详情见《Procedural Graphs: Self-Evolving Execution Structures for LLM Agents 》