FlashScript：将重复执行的智能体工作流编译为可复用的神经符号程序

许多智能体任务会随着新数据或细微变化而反复出现，但智能体在每次运行时都会重新生成推理过程和操作，从而产生不同的结果。将先前的运行提炼为技能有助于智能体避免此前的错误，但它每次仍需重新执行完整流程，因此各次运行仍可能存在差异，并产生相应成本。我们使用一套称为 FlashScript 的指导原则，将智能体的一次成功运行编译为可复用的神经符号程序（NSP）。操作和数据转换变为代码，实例特定的值变为参数，需要模型判断的决策则变为 LLM 调用。我们确定了这些调用所属的三个层次，以及用代码替代其中大多数调用的三种技术。编译并未消除非确定性，而是将其局部化，使确定性程序与其中的神经模型调用可以分别接受审查和测试。在使用 Claude Haiku 4.5 执行的 120 项 WorkBench 分析任务中，NSP 每次运行均正确，且发出的工具调用完全一致；其输入 token 用量约为技能引导型智能体的七十分之一，运行时间约为后者的三分之一，而后者各次运行的结果并不一致。在这些任务的复合版本中，技能引导型智能体的准确率降至 23%，输出的不一致性也有所增加，而 NSP 在所有运行中始终保持正确且结果一致。NSP 成功泛化至相同模板下全部 108 个未见过的实例。我们的研究结果表明，从智能体轨迹生成的 NSP 可被视为可持续积累的软件资产，供终端用户在重复执行的工作流中测试、维护和复用。