谷歌提出 Procedural Graph 框架：将过程知识显式化以提升长程智能体表现

谷歌联合佐治亚理工学院与北京大学研究团队于 2026 年 9 月 9 日提出 Procedural Graph（过程图）框架，将大语言模型智能体的长程任务执行逻辑显式化为图结构，为解决长序列决策中的目标漂移与死循环提供了程序化控制方案。

• 针对长程智能体依赖线性文本历史易产生动作循环和偏离目标的问题，该框架将过程知识显式表征为 “procedure-relation-procedure” 三元组。
• 框架内置大语言模型精炼器（Refiner），通过对比失败与成功的执行轨迹进行图结构的自我改写与剪枝，仅保留通过验证的有效修改。
• 实验表明该系统支持从最小骨架图出发自主演进，生成质量相当或优于人工设计的先验流程图，并能修复存在缺陷的专家规则。
• 智能体执行动作时可查询图结构获取下一步动作及前置条件验证，使执行动作受到显式状态与权限校验的约束。
• 影响/看点：该框架可能为复杂工业流程自动化与高可靠智能体开发提供结构化治理路径，但其实际效果取决于精炼器对失败轨迹归因的准确度以及图维护带来的计算开销。
• 资料依据：
• arXiv 预印本（2026-09-09）：https://arxiv.org/abs/2609.09153
• X：DAIR.AI（2026-09-09）：https://x.com/dair_ai/status/2097756208857837851

本内容由 AI 生成，仅供参考，请注意甄别