Pragmos: A Process Agentic Modeling System
本文介绍了 Pragmos，这是一个原型系统，旨在解决黑盒大语言模型解决方案在业务流程管理中的局限性，通过支持由专用行为分析工具辅助的、结构化的迭代步骤，使人类与大语言模型能够以混合式交互工作流协作构建可靠且可解释的流程模型。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正在向一位非常聪明但略显死板的机器人厨师解释一道复杂的食谱。如果你只说“做千层面”，机器人可能会困惑于步骤的顺序：能否在酱汁炖煮时切洋葱？面条是在奶酪之前还是之后烘烤？
本文介绍了Pragmos，这是一个新系统，旨在帮助人类与人工智能（AI）协作，将杂乱无章的业务流程文字描述转化为清晰可视的流程图（称为流程模型）。
以下是 Pragmos 的工作原理，分解为几个简单的概念：
1. 问题：“黑盒”陷阱
目前，许多 AI 工具试图将一段文字直接转化为完美的流程图。作者认为，这就像在人类与结果之间放置了一个黑盒。你输入请求，机器输出图表。如果图表有误，你无法知道 AI 为何犯下该错误，也无法轻松修正，因为 AI 的“思考”过程隐藏在复杂的代码之中。
作者认为，流程建模过于复杂，无法一蹴而就。它需要像对话一样，分步进行。
2. 解决方案：像侦探故事一样分步推进
Pragmos 不像要求 AI“写出整个故事”那样行事，而是像侦探将案件分解为一个个可管理的小线索。它利用人工智能（特别是大型语言模型）分三个主要阶段收集信息，并在每一步进行检查：
步骤 1：寻找路径（“首先发生什么”的线索）
AI 阅读文本并列出流程可能发生的不同路径。- 类比： 想象 AI 正在阅读一本“选择你自己的冒险”书籍，并列出角色可以采取的三条主要路线。它暂时忽略循环，只关注直线：“先做 A，然后 B，接着 C。”
- 人类角色： 人类可以查看此列表并指出：“等等，这不对。你漏掉了一个步骤，”或者“那个顺序是错的。”
步骤 2：寻找并行轨道（“什么可以同时发生”的线索）
一旦 AI 确定了顺序，它就会寻找可以同时发生的事情。- 类比： 想象一个厨房。你不能在同一秒内既切洋葱又煎洋葱，但你可以在切蔬菜的同时让酱汁炖煮。AI 识别这些“并行轨道”并在地图上标记出来。
- 人类角色： 人类进行检查：“是的，仓库和工程团队可以同时工作，”或者“不，它们必须相互等待。”
步骤 3：寻找循环（“重复执行”的线索）
最后，AI 寻找流程中重复的部分。- 类比： 这就像电子游戏中的循环，你必须击败三个敌人，Boss 才会出现。AI 识别哪些活动属于该重复循环。
- 人类角色： 人类确认：“是的，我们要一遍又一遍地检查零件清单，直到一切准备就绪。”
3. 魔法工具：“模块化分解树”
一旦 AI 收集了这些线索（路径、并行轨道和循环），Pragmos 就会使用一种专门的数学工具（来自流程挖掘领域的方法）将这些碎片像 3D 拼图一样拼接起来。
- 隐喻： 想象你有一堆乐高积木。AI 告诉你哪些积木相邻，哪些并排，哪些构成了塔楼。然后，数学工具自动将它们拼接成一个稳定、合乎逻辑且意义明确的结构。
- 重要性： 这确保了最终的流程图不仅仅是一张漂亮的图片；它在数学上是“健全”的（不会陷入死锁或违反逻辑规则）。
4. “人在回路”的优势
Pragmos 与其他工具最大的区别在于透明度。
- 其他工具： 你请求一个模型，AI 直接给你一个成品。如果它错了，你只能猜测哪里出了问题。
- Pragmos： 你可以看到“草稿”。在最终图表绘制之前，你可以看到路径列表、并行任务列表和循环列表。如果 AI 认为两个任务同时发生，而你知道它们并非如此，你可以在最终模型构建之前进行修正。
5. 结果
作者在包含 45 个真实世界业务描述（如“如何修理电脑”或“如何评分考试”）的数据集上测试了 Pragmos。
- 成功： 在大多数情况下，Pragmos 通过遵循其分步对话成功构建了正确的流程图。
- 局限性： 当描述极其冗长和复杂时，系统有时会遇到困难，因为 AI 的“记忆”（上下文窗口）变得太满，无法一次性容纳所有细节。
总结
Pragmos 是一个将 AI 视为并非能瞬间创造完美答案的魔法棒，而是作为一块块构建模型的得力助手的系统。它让人类专家能够查看积木、检查蓝图，并在过程中修正错误，确保最终结果既准确又易于理解。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。