Natural-Language Workflows Are Not Software Yet: Artifact-Driven Compilation for Reliable Agent Execution

{ "title": "把模糊指令缝成流水线", "subtitle": "论文讲的是：用编译思路把大模型的口语化流程变可靠", "content": " 问题\n医疗系统想让大模型按着人类写的文字指南自动跑腿，比如先量血压再调药，可一旦前后数据对不上，整条执行链就会当场瘫痪。\n人类写步骤时默认机器能自己接力，但模型面前只有一堆散落的句子，找不到该拿哪条信息去填下一步的空。前人试过把提示词写得越来越厚，指望模型靠记忆力硬扛上下文压力。结果是一长到临界点，模型必然漏掉关键变量，或者把早该跳过的分支又踩一遍。只要数据关联还藏在字里行间，执行任务就永远是个盲盒。\n\n 翻译\n作者盯着调药的那个漏洞看出门道，决定换个思路造工具。他们用一套装配线图纸的打法，把口语流程重新排板。每个动作不再写笼统的操作指引，而是直接挂上实物清单，写明拆开什么零件、焊上哪个部件、什么刻度才算合格放行。这就像把随性的厨房菜谱，强行转换成飞行员起飞前的检查单。\n原本靠脑补接力的环节，现在全钉死在纸面上。编译器会自动扫描这些图纸，揪出那些夹带太多变量、或者拐弯抹角的工序，用数学手段把它们削薄切块。为了证明改动没走样，他们没搞繁琐的符号推演，而是挑出几个典型病例让新图纸做模拟排练，核对每一步吐出的信息对不对版。世界因此换了轨道。\n面对四百多个真实案例，编译后流程的直接打通率拔高了二十八个百分点。更反直觉的是，改出来的文本干瘪得像机器报表，大模型跑起来却异常顺遂。跨不同模型测试，一致性拉开三十二个点；同一模型反复执行，稳定性猛增五十六个点。原来把规矩立死，反而给系统留出了从容呼吸的余地。\n\n 核心概念\n 实物清单\n这就是每个步骤必须明码标价地列出读写对象的基础设定。回到调药例子，旧文本只说根据结果调整，新版本强制要求写明读取第一步测得的收缩压数值，并锁定输出最终剂量参数。这相当于给每道工序贴上物料标签，模型再也不用在大段文字里大海捞针找数据。\n\n 闸口护栏*\n这是控制流程走向的硬性门槛，属于典型的设计取舍。药物调整不能闭眼直接定，必须跨越安全红线才能放行。机制要求把这类判断抽离成独立关卡。只有参数达标，指令