💬 NLP

FlyRoute: Self-Evolving Agent Profiling via Data Flywheel for Adaptive Task Routing

FlyRoute 是一个自演进的分析框架，它利用数据飞轮从真实世界流量中动态更新智能体能力描述，通过针对性探索与证据提炼，显著提升了自适应任务路由的准确性，超越了静态基线。

原作者： Rongjun Li, Ziyu Zhou, Yihang Wu

发布于 2026-05-22

📖 1 分钟阅读☕ 轻松阅读

原作者： Rongjun Li, Ziyu Zhou, Yihang Wu

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

想象一座繁忙的高科技办公楼，其中一位接待员（即路由器）负责将每位访客的问题引导至楼内正确的专家。

在传统办公室中，接待员依赖由大楼管理者编写的静态目录。该目录规定：“史密斯博士处理云问题”，“李工程师处理手机问题”。问题在于，专家们不断学习新技能、购置新工具并改变工作方式，但目录却从未更新。因此，接待员持续将问题发送给错误的人，因为他们的旧职位描述已过时。

FlyRoute 是一个全新的、自我改进的系统，它通过将接待员转变为智能学习机器来解决这一问题。以下是其工作原理，采用简单的类比说明：

1. “自我演进”的目录

FlyRoute 不再依赖静态列表，而是根据每位专家实际所做之事，为每位专家构建动态档案。

旧方式：你只需撰写一次职位描述，即便专家学会了新语言或掌握了新工具，该描述也永远保持不变。
FlyRoute 方式：每当专家成功解决一个问题，该成功就会被保存为“技能证明”。随着时间推移，系统会阅读成千上万个此类成功案例，并重新撰写专家的职位描述，以匹配其当前的实际能力，而非其旧简历。

2. “数据飞轮”（引擎）

将此系统想象为一辆装有飞轮的自行车。一旦启动，飞轮便会获得动量并自行持续旋转。

步骤 1：分发。用户提出问题，系统推测哪位专家最合适。
步骤 2：质量门控。如果专家给出了优质答案，系统会将该“问题 + 优质答案”对存入特殊的“成功库”；如果答案不佳，则予以丢弃。
步骤 3：提炼。系统定期查阅成功库，撰写一份关于该专家实际擅长领域的崭新、简洁的摘要。
步骤 4：更优路由。当下一个问题到来时，路由器会利用这份新鲜摘要（以及库中的示例）做出更明智的推测。
结果：更优的路由带来更多优质答案，进而产生更多数据，从而生成更精准的摘要。系统使用得越多，就越智能。

3. “智能探索者”（不确定性驱动的探索）

此类系统常犯的一个错误是：

仅将问题发送给“知名”专家（即已知表现优异者），导致新专家毫无机会证明自己。
随机将问题发送给所有人，这既浪费时间又浪费金钱。

FlyRoute 采用智能探索者策略。想象一名正在寻找新人才的侦察兵。

如果某位专家的“成功库”条目极少，系统便知晓其档案存在“不确定性”。
系统随即提问：“这个新问题是否可能是该不确定专家能够处理的？”（它会检查问题中的词汇是否与专家过往的所作所为相匹配）。
如果答案是“也许”，系统就会将问题发送给该专家仅为了测试。
若专家成功，系统便将此证明加入其库中；若失败，系统则得知其不适合此类问题。
这确保了系统不会在明显无法提供帮助的专家身上浪费时间，但同时确实给予新专家或已更新的专家一个公平的机会来展示其新技能。

4. 结果

研究人员在一个真实的企业系统中测试了该方法，该系统包含四类专家（云、人工智能、硬件和移动操作系统）。

起点：仅凭极少量的初始数据（每位专家 5 个示例），FlyRoute 的准确率已达78%，优于标准的“零样本”系统（无任何示例，准确率为72%）。
学习之后：随着系统处理了超过 7,000 个真实用户问题并让“飞轮”持续运转，准确率跃升至89.8%。

核心结论

FlyRoute 解决了“过时职位描述”的问题。它承认专家会发生变化，不再等待人工更新目录，而是观察专家的工作，从他们的成功中学习，并不断重写其档案，以确保下一个问题能发送给正确的人。它将静态列表转变为一张自我改进的、动态的“谁知晓何事”的地图。

技术摘要：FlyRoute

问题陈述

在部署用于企业任务的多智能体系统（MAS）中，智能体路由（即分配传入查询至最合适的专家智能体的机制）存在关键瓶颈。当前的路由范式依赖于部署时注册的静态智能体档案。这些档案通常由开发人员编写的功能描述和固定示例组成，无法适应生产环境中智能体通过提示更新、工具集成和模型切换而不断演变的动态现实。

作者指出了静态档案的两种主要失效模式：

注册不准确：开发人员往往难以提供精确的自然语言描述来界定智能体的实际边界，且难以策划具有代表性的示例。
部署后漂移：随着智能体被更新以处理新场景或集成新工具，其注册的档案会变得过时，导致路由器基于过时信息做出决策。

现有的解决方案，如基于性能的路由（平衡成本/延迟）或使用静态分类器的基于任务的路由，并未解决从实时流量中获取持续演进的功能档案的需求。

方法论：FlyRoute

FlyRoute 是一个自演进智能体档案框架，旨在将部署交互转化为数据飞轮，持续更新路由证据。该系统通过一个包含三个核心组件的闭环运行：

1. 自适应智能体档案

FlyRoute 不单纯依赖静态描述，而是为每个智能体 $a_i$ 维护一个动态档案 $P_i$ ，包含：

种子描述（ $d_{seed}$ ）：初始的、可能不完整的开发人员提供的文本。
学习描述（ $d_{learn}$ ）：从实证证据中提炼出的精炼功能摘要。
成功示例库（ $E_i$ ）：高质量查询 - 响应三元组 $(q, r, s)$ 的集合，其中响应 $r$ 通过了质量门控。

流程：

冷启动：新智能体注册时数据最少（名称、可选的种子描述和 $k$ 个种子示例）。路由器最初依赖种子描述和稀疏检索。
质量门控：当智能体生成响应时，由LLM 作为裁判评估其质量。只有得分超过阈值 $\theta$ 的三元组才会被添加到成功库中。
能力提炼：定期（每 $M$ 个新成功样本），提示 LLM 将累积的成功示例和种子描述综合为简洁的学习描述。该描述捕捉了可能不同于原始开发人员意图的实证能力边界。

2. 不确定性驱动的探索

为了在不广播每个查询给所有智能体（成本过高）的情况下高效构建档案，FlyRoute 采用了一种有针对性的探索策略。它在利用（路由至档案强劲的智能体）和探索（探测档案不确定的智能体）之间取得平衡。

查询 $q$ 和智能体 $a_i$ 的探索得分 $V^+_{explore}$ 计算如下：
$V^+_{explore}(q, a_i) = U(a_i) \cdot R(q, a_i) \cdot (1 + \beta \cdot N(q, a_i))$

其中：

档案不确定性（ $U$ ）：与成功库大小 $|E_i|$ 成反比。示例较少的智能体会受到更高的探索压力。
相关性（ $R$ ）：查询与智能体现有成功库之间的词汇相关性得分（通过 BM25）。这确保探索仅发生在查询合理属于该智能体领域时。
新颖性（ $N$ ）：冗余惩罚（ $1 - R$ ），优先处理相关但非现有证据的近似重复项的查询，确保数据收集的高效性。

3. 档案感知路由

路由决策由 LLM 路由器做出，该路由器接收：

全局上下文：智能体的活动描述（要么是提炼后的 $d_{learn}$ ，要么是种子 $d_{seed}$ ）。
局部上下文：从智能体库中通过 BM25 检索出的与当前查询词汇相似的前 $k$ 个成功示例。

这种双重上下文方法使路由器能够利用从数据流中学到的广泛能力边界，以及从近期成功中获取的特定词汇模式。

主要贡献

问题形式化：本文识别并形式化了自演进智能体档案的挑战，将范式从静态注册转变为通过部署交互进行持续更新。
不确定性驱动的探索策略：作者提出了一种新颖策略，结合档案不确定性、词汇相关性和冗余感知的新颖性，以高效针对未充分指定的智能体，避免随机广播造成的浪费。
实证验证：该框架在专有企业数据集上进行了验证，证明了其相较于静态基线在路由准确性方面的显著提升。

实验结果

作者在四个企业领域（云服务、AI 加速器、服务器硬件和移动操作系统）的 7,211 个真实路由查询数据集上评估了 FlyRoute。

冷启动性能：即使每个智能体仅有 5 个种子查询且无流式数据，FlyRoute（使用种子描述 + BM25 检索）也达到了 78.04% 的准确率，比零样本 LLM 路由器（72.57%）高出 5.47 个百分点。
飞轮效应：在将所有 7,211 个训练查询通过系统流式处理后，准确率上升至 89.83%。
- 这比零样本基线提高了 +17.26 个百分点。
- 这比冷启动状态提高了 +11.79 个百分点。
探索策略：消融研究表明，不确定性驱动的探索策略显著优于纯利用策略、 $\epsilon$ -贪婪策略和随机广播策略，特别是在档案构建的早期阶段。
消融实验：移除质量门控（LLM 作为裁判）或探索组件会导致可测量的准确率下降，证实了高质量证据过滤和针对性数据收集的必要性。

意义与主张

本文主张 FlyRoute 证明了数据驱动、自演进智能体管理的可行性。其主要意义在于表明：

档案检索具有强大效力：即使使用最少的种子数据，从成功库中检索示例也能立即增强路由决策。
持续学习是可行的：系统可以自主地从实时流量中发现和细化智能体能力，纠正静态系统中固有的“档案过时”问题。
高效探索：利用不确定性和相关性信号引导新证据的收集位置，可以在不进行 exhaustive 广播的情况下构建稳健的档案。

作者指出了局限性，包括对专有数据的依赖（限制了公共可复现性）、对 LLM 作为裁判反馈质量的依赖，以及缺乏针对智能体突发变化的显式漂移检测机制。然而，结果表明，闭环数据飞轮是企业环境中扩展自适应多智能体系统的关键组件。