基于知识引导的工具使用流程中人工智能智能体的声明性技能
Declarative Skills for AI Agents in Knowledge-Grounded Tool-Use Workflows
M. Danish Lim, I. Danial Bin Sharudin, Wen Han Chen, Cedric Lim, Laura Wynter
arXiv (Cornell University) · 2026-06-05
摘要
我们研究了在非结构化知识库环境下，面向真实客户服务流程的工具使用型人工智能智能体的协同机制。我们认为，声明性智能体——即那些在系统提示词中附加自然语言技能文件的人工智能智能体——是一种高效的协同范式。具体而言，我们比较了三类智能体：(i) DeclarativeAgent，该智能体在推理阶段读取三个领域特定的技能文件并自主决定控制流；(ii) ImperativeAgent，这是一种基于具有明确阶段的程序化状态机的智能体；(iii) 未经过架构设计的基准智能体，其模型参照τ-Knowledge基准测试中的智能体。我们的ImperativeAgent的设计灵感源自递归语言模型以及基于图的协同框架中所采用的外部控制推理机制。我们将这三类智能体形式化为去中心化部分可观测马尔可夫决策过程中的策略类别，分析了它们的信息论属性与结构特征；随后我们在五种语言模型和两种检索模式下对预测的差异进行了实证检验。研究结果表明，检索质量是影响人工智能智能体性能的主要瓶颈：当证据不完整或存在偏差时，所有智能体的性能都会显著下降，且技能文件无法挽回这种性能损失。不过在检索质量较高的情况下，声明性技能能够稳定提升智能体在程序性任务中的准确率，减少协同错误；而指令式状态机并不总能可靠地提高任务完成率或合规性。
本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。
AI 综述
基于全文生成- 主要观点
- 论文以非结构化知识库上的真实客服工作流为问题域，追问工具使用型AI智能体的编排（orchestration）应由外部确定性代码承担，还是由模型在推理时读取的自然语言技能文件承担。作者的核心论点是：把领域程序性知识写成Markdown技能文件、随系统提示注入、由模型自行决定控制流的“声明式智能体”是一种有效的编排范式。支撑该论点的是三类策略的对照：读取banking-procedures.md、customer-interaction.md、knowledge-discovery.md三份技能文件并自主选择工作流与验证策略的DeclarativeAgent；以显式阶段状态机（GREETING→TRIAGE→VERIFICATION→PLANNING→EXECUTION→CONFIRMATION→COMPLETE，并有ADVISORY分支与ESCALATE终态）约束动作空间的ImperativeAgent；以及仿τ-Knowledge的无脚手架baseline。论文同时给出一个关于瓶颈的判断：检索质量主导智能体表现，证据不完整或有偏时三类智能体一致显著退化，技能文件无法挽回已丢失的性能。在高质量检索条件下，声明式技能在程序性任务上稳定提升准确率、减少编排错误，而命令式状态机的脆弱性并未可靠转化为任务成功率或合规性的改善。
- 研究方法
- 理论部分把客服交互建模为有限时域、双智能体的去中心化部分可观测马尔可夫决策过程（Dec-POMDP），状态空间取数据库状态与对话历史的乘积S=S_DB×S_conv，动作空间划分为Asay∪Aread∪Awrite，二元奖励为最终数据库状态匹配且必需动作集合被覆盖的合取，主指标取pass1；三个智能体被形式化为同一过程中的三个策略类（πB为仅条件于θsys与历史的基线，πD为θsys⊕Σ的提示拼接，πI为带相位变量φ、确定性转移δ与相位受限动作子集Aφ的分层策略），并分别用条件熵H^M(A*|ht)的不增性与策略类包含关系ΠI⊊ΠB给出命题1、命题2。实证在τ-Knowledge的τ-Banking基准上展开，该环境含698篇文档（约195K tokens、71个主题、21个产品类别）、14个常驻工具加51个可发现工具、97个评估任务，平均每题需18.6篇文档与9.52次工具调用（上限33次），且工具名带不可猜测的四位随机后缀。实验操纵的自变量是程序性知识的编码方式（无、自然语言、可执行代码）与是否逐轮限制动作空间，模型、工具集与用户模拟器分布保持相同；因变量条件为五种语言模型与两种检索机制（gold最小文档集，以及text-emb-3-large、Qwen3-emb-8B嵌入与BM25关键词检索）。命令式实现以Pydantic的AgentState六字段（user identified与verified两个布尔门、pending tasks与completed tasks任务队列、工具重试计数、响应类型违例计数）驱动相位判定，并叠加显式任务队列（TASKS:…END TASKS块解析）、基于Kahn算法与五条关键词优先规则的拓扑排序、状态驱动相位转移、验证硬门、按工具的重试上限与确定性升级、严格响应类型强制（失配至多两次重提示）等六项结构策略，generate_next_message按八步固定顺序执行。论文另设一节对合规性与效率做消融，并复现了基准原文的frontier model pass1结果作为参照。
- 学术贡献
- 在理论建构层面，论文把“技能文件”“状态机”“无脚手架”三种编排方式统一刻画为同一Dec-POMDP内的三个策略类，使编排选择成为可隔离的自变量，并用条件熵与策略类包含关系给出可检验的方向性预测，为编排研究提供了超出工程经验陈述的形式化表述。在方法与实验设计层面，其贡献在于保持模型M、工具集与用户模拟器分布不变，仅改变程序性知识的编码形式与动作空间限制，从而把“声明式与命令式之差”与“模型能力之差”“检索质量之差”分离，并在gold与多种检索器两种机制下重复该对照。在材料与领域拓展层面，论文接续τ-Knowledge的失败类型学，将隐式子任务顺序、过度信任用户未验证断言、检索低效等具体失败模式逐一对应到拓扑排序、验证硬门与knowledge-discovery技能文件等具体机制，并复现了基准的无脚手架基线。作者声称这是技能文件式声明式智能体与程序化状态机智能体在真实客服基准上的首次系统比较。其对agent skills（可复用SKILL.md式程序性知识）这一具体议题的价值在于：把该范式的收益条件限定在检索质量充足的场景，并指出技能文件不能补偿错误证据。
- 存在局限
- （见上）
- 进一步研究方向
- 对命令式智能体的六项结构策略做逐项留一消融（每次移除拓扑排序、验证硬门、重试升级、任务队列、响应类型强制之一），在相同五种模型与两套检索机制下同时记录pass1与未授权写入率，直接检验命题2所设的“合规收益是否足以抵消策略类收缩”这一条件。对技能文件做内容级消融：分别只保留banking-procedures.md、customer-interaction.md、knowledge-discovery.md，并改写措辞、打乱拼接顺序、改变其在系统提示中的位置，以判定增益来自哪类程序性知识以及是否只是上下文长度效应。围绕g(M)做剂量—反应设计：利用同一模型族内推理等级的高低配置（如表1中GPT-5.2的High与None）或对同一模型施加程序性微调，检验命题1“增益随g(M)→0而收缩”的预测是否成立。在gold与嵌入检索之间构造中间档检索质量（按召回率分档、按比例注入干扰文档），绘制pass1随检索质量的响应曲线，定位技能文件收益消失的阈值。测试混合编排：将声明式技能文件与最小限度的确定性门（仅验证硬门，或仅重试上限）组合，检验是否存在优于纯声明式与纯命令式的中间策略类。将三份技能文件迁移至材料提及但未使用的其他客服型基准或不同产品域，检验技能文本的领域特异性；同时补充轨迹长度、token成本与四类失败模式的分布统计，为命令式的效率主张提供过程性证据。
本综述由 AI（deepseek-flash）阅读开放获取全文自动生成，仅供参考，不代表原文作者观点，请以原文为准。
参考文献
相关论文
话题：AI-based Problem Solving and Planning