面向自主智能系统的增量一致性执行

长程自主智能系统依赖大语言模型、数据库、外部 API 和规则引擎等异构组件，而它们的外部状态在执行期间持续变化。每次变化后重新执行整个工作流会引入大量冗余计算。本文提出一种基于任务事实契约、字段级依赖掩码和状态扰动结果不变域的增量一致性执行方法。在初次经验证的执行后，系统为关键输入构造保守的不变域，用于判断下游结果能否在不重新调用昂贵组件的情况下安全更新。当需要重新执行时，只重算受影响最小的输出字段，等价屏障阻止不必要的下游传播。提交时的版本一致性门控进一步保障副作用动作的安全。在工业故障诊断、企业分析和基于 LLM 的多工具助手上的实验表明，该方法在保持高一致性和低错误复用率的同时，显著减少昂贵组件调用和端到端延迟。