AWI：面向上下文变化的企业自动化认知架构

企业系统越来越依赖自动化工作流程，但许多人工智能驱动的解决方案在非平稳条件、不断变化的政策和延迟的操作反馈下仍然脆弱。虽然强化学习和大语言模型 (LLM) Agent提供部分适应性，但它们本身并不提供持久的反射机制或与受策略约束的企业运营的直接集成。本文介绍了自适应工作流智能 (AWI)，这是一种围绕四层感知-认知-行动-反射 (PCAR) 循环组织的上下文驱动企业Agent的认知架构。 AWI 将反思视为持续政策细化的机制，并将混合推理与反思记忆和反馈驱动的适应相结合，以支持环境漂移和操作约束下的决策。我们在模拟企业决策工作流程中评估 AWI，其特点是延迟结果和受控的制度转变。在漂移和延迟压力测试中，护栏约束的自适应方法比静态自动化恢复得更快，同时保持策略合规性。在这种情况下，AWI 的反思性组件适度减少了行为振荡和反馈方差，说明了反思性政策适应带来的稳定性与敏捷性权衡。