摘要
大语言模型智能体通过构建推理时工作流（结合推理、工具使用和代码执行）来日益解决复杂任务。尽管此类工作流能够灵活地解决问题，但在执行过程中发现的实用流程往往是短暂的：它们有助于解决当前任务，但无法以系统性地惠及未来任务的形式被保留。我们提出 FlowEvo，一个无需训练的框架，可将成功轨迹编译为可复用的技能记录。每条记录将一个可调用的工件与辅助结构化指导配对，并在可行时通过接口、回放和安全检查进行准入。这些技能记录在推理时持久化存储于技能库中。FlowEvo 围绕三个耦合机制组织：(1) 工作流到技能编译，从成功轨迹中提取可复用的可执行工件；(2) 技能到工作流反馈，检索积累的技能以支持未来问题解决——通过直接执行或结构化上下文注入；(3) 技能筛选，监控下游效用并抑制导致负迁移的技能。通过这种“工作流→技能→工作流”的反馈循环，FlowEvo 使智能体能够在不更新模型参数的情况下，随时间积累和优化任务解决能力。在涵盖交互环境（ALFWorld）和代码/数学生成（HumanEval、GSM8K）的基准测试中，实验表明，在我们的实现设置下，FlowEvo 在评估基线中实现了最佳的准确率-成本权衡。在 ALFWorld 上，FlowEvo 达到了 82.8% 的成功率，比最强基线高出 23.6 个百分点，而其每轮平均 token 使用量不到最高效基线的一半。控制消融实验证实，每个机制都对整体结果有贡献。代码已公开于此 https URL。