模糊范畴规划：带分级语义约束的自主目标满足

自然语言规划常涉及模糊谓词（如“合适的替代品”“足够稳定”），其满足度本质上是分级的。现有范畴论规划器提供组合结构和基于拉回的硬约束验证，但将适用性视为非黑即白的，迫使进行阈值化而折叠有意义的区分，且无法跟踪多步计划中的质量退化。我们提出模糊范畴规划（FCP），为每个动作（态射）标注[0,1]中的度数，通过t-norm Lukasiewicz组合计划质量，并通过拉回验证保留非黑即白的可执行性检查。FCP使用带k采样中位数聚合的LLM从语言中接地分级适用性，并支持使用基于剩余运算的后向需求进行中途会合搜索。我们在（i）公开的PDDL3偏好/超额订阅基准和（ii）RecipeNLG-Subs（基于RecipeNLG构建、替换候选来自Recipe1MSubs和FoodKG的缺失替代品食谱规划基准）上评估。FCP在RecipeNLG-Subs上相较仅LLM和ReAct式基线提升成功率并减少硬约束违反，同时与经典PDDL3规划器保持竞争力。