工具、技能、记忆连成网，北大等提出自进化程序图PG，越用越聪明

新智元报道 当Agent已经能够调用工具、使用技能并保存记忆，一个更进一步的问题是：这些能力怎样在任务中配合，又怎样从过去的执行中积累可复用的经验？ 能查到机票价格，不代表知道查询后该停下来；能保存笔记，也不意味着会在下一次决策前读回。Agent需要处理的，还有操作之间的顺序、条件和衔接。 来自谷歌（Google）、美国佐治亚理工学院（Georgia Institute of Technology）和北京大学（Peking University）的研究者，围绕这一问题提出了 Procedural Graphs（PG，程序图）， 将工具调用、技能步骤、内部推理与任务状态组织成有条件的连接，为Agent提供「接下来如何行动」的依据。 论文：https://arxiv.org/pdf/2609.09153 从Agent harness——模型周围的执行支持系统——来看， PG提供了一种把tools、skills、memory等组件连成网的方式 ，描述这些能力在什么条件下使用、怎样衔接，以及哪些错误需要避免。 执行任务时，Agent读取当前步骤附近的子图，生成针对当前情境的指导；离线阶段，系统根据执行轨迹提出改图方案，经独立验证后决定是否保留。 经验由此成为可以读取、检查和修订的程序关系，图的更新也无需重新训练模型权重。 从独立组件到程序关系 一张图连接什么？ Tools、Skills和Memory各有作用。工具提供查询、计算或提交等具体操作，技能封装可复用的做法，记忆保留任务信息与历史经验。在执行过程中，Agent还需要判断：什么时候读取记忆，哪项技能需要调用哪个工具，得到结果后又该保存什么。 PG将这些衔接关系显式写成「过程—关系—过程」三元组。 节点可以是一项技能、一个工具函数、一次内部推理，也可以是一个任务状态。连接两个节点的有向边，描述从当前步骤转向后续步骤的关系，并包含三个字段： 适用条件（condition）、执行建议（guidance）和需要避免的问题（pitfalls） 。 例如，「预测现金流」可以连接到「申请融资」。这条边的条件是预计现金支撑时间低于安全缓冲；建议是提前申请，为资金到账留出时间；需要避免的问题，则是在已有申请尚未完成时重复发起。 同一个工具动作，由此获得了更完整的使用上下文：为什么现在调用，调用前需要满足什么条件，以及什么情况下应当等待。 知识图谱通常用「实体—关系—实体」组织事实，帮助系统回答「是什么」「在哪里」。程序图关注的是另一类知识： 做什么、按什么顺序做，以及在什么条件下做。 图1｜知识图谱组织事实，程序图连接做事的步骤、条件与执行建议。来源：论文图1。 记忆的使用也可以进入这套结构。论文附录中的财务Agent提供了一个具体例子：演化出的图先连接现金检查、现金流预测、保存笔记（save_note）和市场数据检查；随后，又把回读笔记（recall_notes）接到每月开始的位置，让上个月保存的关键信息能在新一轮决策前被取回。 在这里，工具负责查询与计算，笔记保存跨月信息，PG则描述何时写入、何时读取，以及读写操作怎样接上后续决策。 工具调用和记忆读写因此成为同一张程序网中的步骤。 图2｜财务Agent程序图的结构演化。图中逐步加入现金检查、现金流预测与保存笔记等步骤，并在每月开始时接入回读笔记；后续轮次继续调整行动分支。绿色表示新增节点或连接，红色虚线表示删除。来源：论文图5。 PG本身也承载着程序性记忆：经过任务验证的行动方式，被保存在模型权重之外的图结构中。需要修改一条条件或补充一个检查步骤时，研究者可以直接改图，再检验它对执行结果的影响。 在线指导 根据执行位置读取局部子图 把程序关系组织成图之后，还需要决定每一步读取哪些内容。 整张图包含完整信息，也可能带入大量与当前任务无关的分支。独立检索几条语义相似的建议，则可能遗漏步骤之间的联系。例如，只取回「提交」的指导，却没有取回前面的「检查答案」，Agent就可能缺少判断何时可以提交的依据。 PG将在线指导组织为三个连续操作。 定位当前步骤。 系统根据最近执行的动作匹配图中的节点，确定Agent当前所处的位置。 提取相连的局部结构。 默认读取沿出边两跳以内的子图，即从当前位置出发、最多经过两次连接可到达的步骤。匹配不到节点时，回退到整张图。 生成当前情境下的指导。 指导模型结合局部子图、用户任务和近期执行记录，生成下一步建议，加入执行模型的提示词。最终动作仍由执行模型选择。 在论文实验中，指导模型与执行模型采用同一种基础LLM。执行单个任务时，图保持固定。 图3｜执行时定位当前节点，读取局部子图并生成指导；离线阶段根据轨迹修改图，通过结构检查且验证分数不下降时保留修改（包括持平）。来源：论文图2。 一次机票查询展示了这类指导如何影响任务的结束时机。在BFCL工具调用测试中，用户只想了解经济舱票价。无图基线查到了220美元的报价，却继续认证身份、操作银行卡并尝试订票；失败后，它还修改预算限制，再次完成预订。 同样使用Gemini 3.5 Flash，PG指导下的Agent在报出220美元后结束当前回合，等待用户的新指令。这个案例体现了程序知识的一项作用：帮助Agent判断，已有操作是否已经满足当前请求。 离线演化 从执行反馈中修订程序图 程序图的效果取决于其中保存了什么。手工写出的流程看起来合理，实际执行时也可能带来问题。 论文在MultiChallenge上进行了图构建实验。这一实验使用Gemini 3.5 Flash，包含56个测试样本：无图基线成功率为87.50%，加入手工专家图后降至58.93%，让模型静态更新一次后为53.57%。 这组结果说明，对程序关系的修改需要经过任务检验。PG为此设计了一个离线循环： 执行任务、分析轨迹、提出修改、验证候选图。 系统先在一批训练任务上运行当前保留的图，再由修订模型对照高分与低分轨迹，查找反复出现的错误或可以复用的步骤。修改可以增加缺失的节点与连接，删除容易引起失败的路径，也可以重写边上的条件、建议和注意事项。 候选图先通过结构检查，再在独立验证集上运行。只有测得的验证分数不低于当前保留图，系统才采用这次修改；分数持平也可以保留。被拒绝的方案及其结果会留下记录，供后续修订参考。 这些变化发生在离线批次之间。因此，执行中的Agent读取的是当前版本的程序知识，新的经验经过验证后再进入后续版本。 在上述MultiChallenge构建实验中，从58.93%的专家图出发，迭代演化后的成功率达到92.86%，比专家初始化提高33.93个百分点，也超过了87.50%的无图基线。 论文附录中的一个验证样本要求Agent讲笑话，同时延续此前「只用被动语态」的约束。但第二代候选图指导下的Agent偏离了任务，转而回答环境附带的评价问题——模型是否一直使用被动语态，回复以「没有一直使用被动语态」开头。 第三代候选图删除了直接结束的连接，并改写「提取约束→结束」的指导，要求不要直接回答评价问题。这次Agent经过提取约束步骤后给出了笑话，该验证样本的成功标记从0变为1。 这一案例让「经验更新」有了具体的观察对象：哪条连接被删除，哪段指导被改写，以及后续执行出现了什么变化。