我们总需要查询级工作流吗？重新思考多智能体系统的 Agentic 工作流生成

基于大语言模型的多智能体系统（MAS）通常通过工作流协调多个智能体来解决复杂任务。现有方法在任务级或查询级生成工作流，但两者的相对成本与收益尚不清楚。经过重新思考与实证分析，我们表明查询级工作流生成并不总是必要，因为少量 top-K 最佳任务级工作流合在一起已能覆盖等同甚至更多的查询。我们进一步发现，穷举式的基于执行的任务级评估既极其耗费 token 又常常不可靠。受自我演化与生成式奖励建模的思想启发，我们提出一个低成本的任务级生成框架 SCALE，即以优化器带少样本校准（Self prediction with few shot CALibration for Evaluation）的自预测替代完整验证执行。大量实验表明，SCALE 保持有竞争力的性能，在多个数据集上相比现有方法平均仅退化 0.61%，同时将整体 token 使用最多削减 83%。