摘要：菜单是一种执行先验：面向在线智能体的状态路径工具菜单
语言模型通过工具行动，但实际智能体面临的工具库包含数千个接口。我们引入工具菜单，即在执行前展示给智能体的可用工具的简短有序子集。智能体只能调用该菜单中的工具。多步任务要求最终动作以及按可用顺序创建其输入的前置工具。当前的构造器按请求相关性对工具排序，这可能会将最终动作浮现出来，同时遗漏或延迟不那么明显的生产者工具。我们引入状态路径，即从可观察请求状态到期望结果的执行前路线，并提出 State-Path Tool Menu 来学习它。我们的框架将菜单视为这些路线上的执行先验。其编码器表示哪些工具可以从当前状态运行、它们的输出如何满足后续输入，以及哪些顺序在训练路径中反复出现。一个检索器覆盖可执行入口、缺失输入的生产者和最终动作。然后一个重排序器将生产者置于消费者之前。在 ToolBench 上，我们的菜单将在线成功率从 0.737 提升到 0.898，并在不改变智能体的情况下优于检索、重排序、生成和路由基线。State-Path 菜单用 32 个工具覆盖的链也比官方列表用 128 个工具覆盖的更完整，并且其成功率增益在不同模型能力的执行器系列中持续存在。我们的代码位于此 https URL 。