FlowScout：从执行反馈到可靠的工具使用代理工作流程

通过将 大语言模型 (LLM)、工具和控制逻辑组织到显式执行结构中，代理工作流已成为构建可靠的基于 LLM 的自动化系统的重要抽象。然而，构建高质量的代理工作流程仍然主要是手动的，并且需要大量的领域专业知识。最近的研究探索了从历史任务解决记录中自动生成代理工作流，但它们主要产生以 LLM 为中心的工作流，其中真实的工具执行由 LLM 节点抽象和模拟，限制了生成的工作流的可用性和稳定性。为了解决这些限制，我们提出了 FlowScout，这是一个执行引导框架，用于从历史任务解决记录生成工具集成的代理工作流程。具体来说，FlowScout 将代理工作流表示为由 LLM 节点、工具调用节点和依赖边组成的有向图。它首先从历史记录中挖掘通用的工具协调骨架来构建初始工作流，然后在执行反馈的指导下通过蒙特卡洛树搜索来细化工作流拓扑。我们在四个代表性任务领域评估 FlowScout，并将其与三个基线（即 PM4Py、ReAct 和 AFlow）进行比较。实验结果表明，与基线相比，FlowScout 生成的代理工作流将工具调用正确性提高了至少 92.69%，执行质量提高了至少 17.66%，同时在重复运行中实现了更低的性能变化。