🤖 AI

XFlow: An Executable Protocol Programming System for Reliable Multi-Agent Workflows

本文介绍了 XFlow，这是一个具有领域特定语言 XPF 的可执行协议编程系统，它通过将关键承诺从定义不明的提示词转移到一种结构化的、可强制执行的框架中，利用类型化状态单元对不确定性进行阶段化处理并调节参与者输出，从而增强了基于大语言模型的多智能体工作流的可靠性。

原作者： Hanqi Li, Jing Peng, Zijian Wang, Lu Chen, Kai Yu

发布于 2026-06-16

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Hanqi Li, Jing Peng, Zijian Wang, Lu Chen, Kai Yu

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

想象一下你是一位剧院导演，而你的演员都是大语言模型（LLM）。在目前的操作方式下，你给这些演员一个剧本（即提示词/Prompt），然后祈祷他们能记住规则、保持角色并不会凭空捏造事实。

问题在于，如果一名演员忘记了规则或产生了幻觉，这个错误并不仅仅停留在他的脑海中。它会传播给下一位演员，腐蚀整个场景，并毁掉整场戏。这是因为“剧本”（提示词）和“舞台监督的规则”（系统结构）以一种混乱的方式混杂在了一起。

XFlow 是一个旨在解决这一混乱的新型系统。你可以把它想象成一本位于演员与舞台之间的智能、可执行的规则手册。

以下是它的工作原理，使用简单的类比进行说明：

1. “剧本” vs. “舞台监督”

目前的 AI 系统完全依赖于“剧本”（提示词）。你必须在提示词里写上：“记住，不要对价格撒谎。”如果演员分心了，他们可能会忘记。

XFlow 将工作进行了拆分：

演员 (LLMs)： 他们仍然负责进行创造性的、模糊性的思考。他们编写故事、推理问题并使用工具。他们可以自由发挥创意。
舞台监督 (Harness/护栏)： 这是新增的部分。它持有硬性规则、事实和约束条件。它不在乎创意写作，它只关心检查规则是否被遵守。

类比： 想象一家银行。柜员（演员）与客户交谈并记录交易。但柜员并不决定钱是真的还是账户余额是否充足。这项工作属于金库系统（护ло/护栏）。金库系统会在资金释放前检查数字。XFlow 就是 AI 智能体的那个“金库系统”。

2. “魔法盒” (符号/Symbols)

在旧系统中，如果一名演员说：“我觉得总额是 50 美元，”这句话就会在对话历史中漂浮。下一位演员可能会读到它，并将其视为事实，即便那仅仅是一个猜测。

XFlow 引入了 符号 (Symbols)。把符号想象成传送带上的一个带有标签的、锁定的盒子。

提议 (Proposed)： 一名演员将一个数值放入盒子，并贴上“提议”标签。这仅仅是一个建议。
验证 (Validated)： 舞台监督检查这个盒子。它的形状对吗？它是数字吗？它符合规则吗？如果符合，标签就会变为“已验证”。
提交 (Committed)： 只有在通过所有检查后，盒子才会获得“已提交”印章。只有到那时，系统的其余部分才会将其视为硬性事实。

类比： 这就像一个建筑工地。工人可能会说：“我觉得这根梁很结实。”这只是随口说说。但在建筑落成之前，工程师（护栏）必须检查这根梁，测试它，并盖上“批准”印章。在没有这个印章之前，这根梁不能被用来支撑屋顶。XFlow 确保没有任何“梁”在未盖章前被使用。

3. “协议” (XPF)

为了实现这一切，作者创建了一种特殊的语言，叫做 XPF。

它看起来像一份可读的文档（比如故事或手册），因此人类可以轻松编写。
但它同时也是一个计算机程序。当你运行它时，计算机会将其编译成严格的规则。

类比： 把它想象成一张既是食谱卡又是机器人指令手册的东西。

对人类而言，它读作：“将面粉和鸡蛋混合。”
对机器人而言，它读作：“如果面粉重量 < 500g，停止。如果鸡蛋破裂，拒绝。”
人类编写食谱，但机器人自动执行安全检查。

4. 他们测试了什么？

论文在三个特定领域测试了 XFlow，以观察它是否真的有效：

严格规则 (约束交互)： 比如一个必须遵循严格退款政策的客服机器人。XFlow 确保了机器人 100% 遵守规则，而在没有它的情况下，即使机器人给出了正确答案，有时也会违反规则。
长篇故事 (长上下文推理)： 比如阅读一份巨大的财务报告并回答问题。XFlow 帮助 AI 在处理长文本时，能够准确追踪特定的数字和规则而不产生混乱。
编程 (软件工程)： 比如一个试图修复计算机程序漏洞的 AI。XFlow 充当了一个安全闸门，确保 AI 在实际运行测试并确认代码有效之前，不会提交“修复方案”。

核心结论

XFlow 并不是试图让 AI 变得更聪明或阻止它犯错。相反，它是在 AI 周围构建了一个安全网。

它在说：“你可以（AI）自由地思考和交谈，但在通过我们的检查之前，你不能更改官方记录。”

这使得多智能体系统（即许多 AI 协同工作）变得更加可靠，因为它阻止了一个智能体的“猜测”意外变成另一个智能体的“事实”。它将 AI 之间混乱的对话转变为了一种结构化的、可检查的工作流。

技术摘要：XFlow —— 一种用于可靠多智能体工作流的可执行协议编程系统

1. 问题陈述

基于大语言模型（LLM）的多智能体系统已从单智能体提示词演变为涉及规划、推理、工具使用和人类交互的协调工作流。然而，其可靠性仍然受到限制。本文指出，这种限制的核心来源在于：未明确定义的提示词—支架边界（underspecified prompt–harness boundary）。

在现有系统中，缺乏一种原则性的机制来决定哪些工作流承诺（约束、状态接口、策略、过程义务）应当保留在自然语言提示词中（非正式语义工作），而哪些应当提升至支架结构中（正式的、可治理的承诺）。因此：

隐式状态： 可治理的知识和约束仍嵌入在提示词中，迫使执行者不断地去解释和执行它们，而不是由系统进行检查或维护。
错误传播： 在多智能体流水线中，诸如幻觉事实或格式错误的输出等错误可能成为共享状态，从而触发下游动作并破坏后续决策。
缺乏中间地带： 现有的框架往往倾向于两个极端：一种是僵化的基于标记/配置的系统（可检查但语义状态能力弱），另一种是仅基于提示词的编排（灵活但状态和承诺是隐式的）。目前缺乏一种语言来绘制、测试和调整这两者之间的边界。

2. 方法论：XFlow 系统

作者提出了 XFlow，一个可执行的协议编程系统，以及其领域特定协议编程语言 XPF (XFlow Protocol Format)。XFlow 占据了一个半正式的中间地带，其协议既可以作为“文学化”文档进行阅读，也可以被编译并作为程序执行。

2.1 设计哲学

XFlow 基于三个核心原则运行：

中间机制（Intermediate Regime）： 它架起了僵化标记与仅靠提示词控制之间的桥梁，提供了一个稳定的协议表面。
显式边界： 它使正式/非正式（提示词/支架）的边界变得明确。非正式的语义工作保留给执行者，而可治理的承诺则被外部化到支架结构中。
不确定性治理： 可靠性并非通过消除不确定性来实现，而是通过治理不确定性。执行者的输出在影响下游决策之前，会被吸收进具有生命周期状态的**类型化符号（typed symbols）**中。

2.2 架构

XFlow 由三个不同的阶段组成：

A. 规范阶段 (XPF)

作者使用 XPF 编写协议文档，将工作流抽象为五个组件 ( $P = (\Sigma, \Delta, \Lambda, F, H)$ )：

符号空间 ( $\Sigma$ )： 定义共享的工作流状态。符号是带有角色（输入、工作、裁判输出）、来源策略（谁可以提议）和提交策略（何时变为已提交）的类型化状态单元。
推导 ( $\Delta$ )： 封装确定性逻辑（例如，计算就绪性、新鲜度或覆盖范围），将簿记工作从执行者提示词中移出。
执行者接口 ( $\Lambda$ )： 将 LLM 或人类执行者绑定到特定阶段，定义可读的输入和可写的输出。执行者保留语义灵活性，但在严格的 I/O 边界内运行。
控制流 ( $F$ )： 根据对符号的谓词声明有效的阶段转换和协议调用，防止通过自由文本推断步骤。
责任转移 ( $H$ )： 显式定义交接（例如，审批、审查、升级）及其触发条件，使所有权变更成为可审计状态的一部分。

B. 编译阶段

编译器将文学化的 XPF 文档转换为类型化的中间表示（IR）和运行时对象：

解析： 将散文（上下文）与语义块（可执行逻辑）分离。
解析与检查： 验证符号名称、阶段目标和执行者绑定。它进行静态检查，以确保在执行开始前，接口合法且未违反策略。
降解（Lowering）： 将声明转换为运行时可执行的类型化对象（例如，IRSymbol、IRStage），无需重新解析源文本。

C. 执行阶段

运行时强制执行编译后的契约：

接口介导动作： 执行者被调用为具有类型化输入和输出的类函数单元。其内部推理保持非正式，但边界跨越是受控的。
生命周期管理的符号： 执行者的输出进入时为 PROPOSED（提议） 值。在经过模式/契约检查后变为 VALIDATED（已验证），并在满足提交策略（例如，人类审批）后才变为 COMMITTED（已提交）。
响应式状态： 如果已提交的符号发生变化，依赖的派生符号将被失效或重新计算。
会话恢复： 执行上下文（帧、待处理输出、事件日志）被保留，以便在无需从转录文本中重建上下文的情况下进行恢复或审计。

3. 核心贡献

XFlow 系统： 一个可执行的协议编程系统，将提示词—支架边界视为一等公民的设计对象，允许作者明确决定哪些承诺保留在执行者手中，哪些成为可强制执行的工作流结构。
XPF 语言： 一种具有编译器和运行时支持的半正式协议格式，将符号、执行者接口、流规则和生命周期策略转化为可检查、可保存和可强制执行的结构。
实证评估： 通过三个不同的基准测试类别进行的全面评估表明，协议外部化在提高可靠性的同时保留了执行者的灵活性。

4. 实验结果

作者使用 Qwen3.5-9B 和 DeepSeek-V4-Flash 作为骨干模型，在三种设置下对 XFlow 进行了评估：

约束交互 ( $\tau^3$ -bench)：
- 目标： 测试在显式领域约束（如资格规则、披露要求）下的智能体正确性。
- 结果： XFlow 显著提高了合规性（例如，在零售领域从 96.5% 提升至 100.0%，在电信领域从 77.2% 提升至 82.5%），同时保持了相当的任务成功率 ( $pass_1$ )。
- 洞察： 基准智能体通常通过无效路径达到正确的最终状态（违反了过程约束）。XFlow 强制执行正确的执行路径（例如，要求在进行变更前进行显式确认）。
长上下文推理 (CorpusQA)：
- 目标： 评估长文档中的证据可见性和答案承诺。
- 结果： 将 XFlow 与 XpandA（一种检索/聚合基准）结合使用，提高了准确率（例如，使用 Qwen3.5-9B 时从 59.3% 提升至 61.7%）。
- 洞察： XFlow 允许将领域特定的处理规则（例如，金融数据中的正负号约定）编码为确定性推导，防止模型误解检索到的数值。
智能体软件工程 (SWE-bench Verified)：
- 目标： 测试在扩展工具交互和代码编辑中的可靠性。
- 结果： XFlow 提高了通过率（例如，对于使用 DeepSeek-V4-Flash 的 mini-SWE-agent，从 77.4% 提升至 79.8%）。
- 洞察： 协议闸门（Protocol gates）阻止了智能体在本地验证失败后提交补丁，从而强制进行针对性重试并确保遵循过程规范。

5. 重要性与主张

本文声称 XFlow 提供了一种绘制并治理提示词—支架边界的机制。通过将可重用的约束、事实和工作流从执行者记忆中外部化到协议治理的结构中，XFlow 在不牺牲 LLM 执行者灵活性的情况下，使智能体系统更加可靠。

操作机制： 它将可靠性从纯粹的模型侧改进（如更好的提示词工程）转向工作流侧的治理（如显式的状态转换、提交闸门和恢复帧）。
云—边缘适用性： 本文展示了 XFlow 在云—边缘系统中的效用，其中它能约束边缘模型执行狭窄且可验证的操作，并防止不确定的本地输出悄无声息地传播到全局状态。
可审计性： 由于承诺是显式的协议结构，因此它们是可检查、可保存且可跨异构工作流强制执行的。

作者总结道，XFlow 主张将提示词—支架边界视为一种一等抽象，从而能够构建更容易检查、更容易从错误中恢复且更值得信赖的多智能体系统。他们也承认了局限性，例如协议编写的学习曲线以及缺乏对执行者语义质量的正式保证，并建议未来在 AI 辅助脚手架和基于契约的验证方面开展工作。