ARdena：实时LLM智能体的场景驱动控制

大语言模型（LLM）催生了能力日益强大的对话智能体，但在实时交互环境中可靠地控制其行为仍是一项重大挑战。现有方法往往依赖难以适应不断变化的交互需求的模型微调或对齐流程。本文提出分层场景驱动的LLM控制，一个通过结构化提示实现运行时行为控制的框架。通过将持久上下文与场景特定约束相结合，该方法允许在交互过程中修改智能体行为而无需更改底层模型。该框架实现于ARDena，一个实时多模态具身智能体，集成了语音交互、视觉感知、工具使用与基于化身的回复生成。该方法从控制有效性、响应延迟与运行稳定性三方面进行评估。结果表明，仅凭场景定义就能产生显著不同的交互行为，同时保持稳定的实时运行，凸显了场景驱动提示在控制LLM智能体方面的有效性。