FlowMind：面向LLM推理结构化工作流生成的执行-总结方法

摘要

LLM能够通过推理与工具使用解决复杂任务，但将这些解决方案准确地转化为结构化工作流仍具挑战。我们将工作流建模为工具使用序列，并将问题重新表述为设计一种既能解决任务又能可靠构建工作流的机制。以往在执行过程中构建工作流的方法常因两个过程相互干扰而出现不准确。我们提出执行-总结（Execute-Summarize，ES）框架，将任务执行与工作流构建解耦：模型先使用可用工具完成任务，再从执行痕迹中独立重建结构化工作流。这种分离提升了工作流的准确性与稳健性。我们引入FlowBench，并通过大量实验表明我们的方法优于现有方法，为将自由形式的LLM推理落地为结构化工作流提供了可靠范式。

FlowMind：面向LLM推理结构化工作流生成的执行-总结方法 — 图1：FlowMind 中 Execute-Summarize 设计概览。Execute 阶段使用领域工具从用户查询生成任务轨迹，而 Summarize 阶段通过工作流工具将这些轨迹转换为结构化工作流。