将 大语言模型 嵌入流量控制：自适应且值得信赖的自动化烹饪的代理框架

自动烹饪机器人传统上依赖于预定义的程序和基于规则的控制，确保稳定的执行，但提供有限的个性化，而最近的大型模型方法支持自然语言交互，但在真实厨房中经常遭受不透明的决策和不可靠的执行。为了应对这一挑战，本文提出了一种代理框架，将个性化烹饪需求系统地分解为结构化和可验证的控制程序，而不是直接将语言映射到操作。多个 AI 代理协作将用户意图转换为规范配方、具有显式流程控制的工作流程程序以及基于原子操作库的可执行 Python 代码。该系统由三个紧密耦合的阶段组成：通过多个代理的离线配方到代码生成、通过多模态感知实现监督干预的在线闭环执行、以及更新用户偏好模型以实现长期个性化的运行后适应。在物理烹饪平台上的真实实验表明，所提出的框架在不同的个性化场景中实现了可靠的任务完成、透明的执行逻辑和有效的异常处理，验证了其在真实环境中值得信赖的自动化烹饪的实用性。