FlyRoute：通过数据飞轮进行自我进化代理分析以实现自适应任务路由

企业路由器将查询分配给专家代理，但部署的配置文件在代理不断发展（提示、工具、模型）时保持静态，并且开发人员很少保持最新的描述或示例。我们提出了 FlyRoute，一个自我演化的分析框架，可以从实际流量中获取能力证据：调度候选者、将质量门成功对放入每个代理的成功存储中、定期将证据提取到学习的能力描述中，并将这些描述与 BM25 检索到的成功一起注入到 LLM 路由器中。为了使飞轮数据高效，FlyRoute 引入了一种有针对性的探索策略，该策略结合了配置文件的不确定性、BM25 相关性和词汇新颖性，仅针对合理的查询优先考虑配置不足的代理，并避免冗余的证据收集。在我们专有的企业开发人员支持真实路由查询数据集上进行的实验中，FlyRoute 将同主干零样本 LLM 路由器从 72.57% 提高到 78.04%，每个代理仅需要 5 个种子查询，这表明配置文件检索已经增强了冷启动路由。通过飞轮传输 7,211 个带标签的训练查询后，准确率上升至 89.83%（比零样本 +17.26pp；比冷启动 +11.79pp），在单金测试查询的标准路由精度下，四个专家领域的增益一致。