tok：面向人类和 AI 智能体的 BPMN 与 DMN 文本具体语法

tok 是一种纯文本表示法，用于业务流程模型和标记法（BPMN）2.0.2 流程模型以及决策模型和标记法（DMN）1.5 决策。一个引擎可依据这两项标准检查 tok 文档，将文档编译为 XML 并自动生成图表，还可通过 Model Context Protocol 为语言模型应用提供服务。本文将该表示法归类为 BPMN 和 DMN 元模型的一种替代性具体语法，并报告了一项研究。在 37 种工具导出的 893 个文件中，tok 模型的词元数仅为最精简 BPMN XML 的约 1/2.2，为原始导出文件的约 1/7.7。检查器检出了 1,411 个注入错误中的 98.2%，而 XML Schema 配合 bpmnlint 的检出率为 85.8%。四个此前未接触过 tok 的语言模型，仅凭一页参考说明，就能为来自两个数据集的 87 条流程描述生成有效的 tok，成功率为 85.7% 至 100%，并能为每条描述生成有效的 BPMN XML；其中，最强模型生成 tok 所用的词元数比生成 BPMN XML 分别少 25% 和 19%。当这些模型作为智能体，配备精简技能和一个检查器工具时，生成有效 tok 的成功率为 97.6% 至 100%；最强模型处理 tok 消耗的词元数比处理 BPMN XML 分别少 21% 和 14%；而采用一种引导模型通过工具阅读参考说明的技能时，词元消耗量为精简技能的 1.7 至 2.8 倍。在基于公开模型模拟生成的 47 个事件日志中，44 个与其源模型相符，且 tok 能够导入从这些日志中发现的所有模型。