LazyAgent：Agent程序的需求驱动物化与物理优化

当前“先规划后执行”的 Agent 运行时通常在某个步骤就绪时立即执行它。我们提出 LazyAgent，一个围绕实时、由目标导出的需求集组织的 Agent 自编程序统一执行框架。LazyAgent 随执行状态变化从请求输出出发刷新一个反向闭包，只在活动目标需要时才物化就绪节点。这用一次线性时间的图分析加常数时间的成员判断取代了反复的局部判断，使程序可以保持宽泛而执行仍然只针对请求。在描述内容超出当前请求所需的程序上，LazyAgent 通过在无关工作开始前就拒绝它，稳定超越最强的目标停止类急切基线：增加一个无关产品使急切方案的账单增加 22.5%，而 LazyAgent 增加 0.0%。LazyAgent 在生产科学工作流上节省 42.0% 的实测 CPU，在一个横跨四个仓库的线上发布门禁上节省 51.7% 的容器时间。我们还证明并验证了当请求覆盖整个图、没有无关工作可避免时的精确等价性。在许可之外，相对于目标的结果投影在两个第三方测试套件上最多节省共享步骤的约 90%，而相同的急切控制节省 0.0%；当被省略的输出没有其他消费者或请求需要它时，该优势消失。排序、复用和剪枝也能节省成本，但无法替代许可。最后，我们展示当前公开基准是急切形态的，几乎不含未被请求的工作；一项预注册的规划干预也未能拓宽它们。这些发现呼吁基于常驻程序和程序序列构建基准。