北大等提出自进化程序图PG：越用越聪明

当Agent已经能够调用工具、使用技能并保存记忆，一个更进一步的问题是：这些能力怎样在任务中配合，又怎样从过去的执行中积累可复用的经验？

能查到机票价格，不代表知道查询后该停下来；能保存笔记，也不意味着会在下一次决策前读回。Agent需要处理的，还有操作之间的顺序、条件和衔接。

来自谷歌（Google）、美国佐治亚理工学院（Georgia Institute of Technology）和北京大学（Peking University）的研究者，围绕这一问题提出了Procedural Graphs（PG，程序图），将工具调用、技能步骤、内部推理与任务状态组织成有条件的连接，为Agent提供「接下来如何行动」的依据。

论文：https://arxiv.org/pdf/2609.09153

从Agent harness——模型周围的执行支持系统——来看，PG提供了一种把tools、skills、memory等组件连成网的方式，描述这些能力在什么条件下使用、怎样衔接，以及哪些错误需要避免。

执行任务时，Agent读取当前步骤附近的子图，生成针对当前情境的指导；离线阶段，系统根据执行轨迹提出改图方案，经独立验证后决定是否保留。

经验由此成为可以读取、检查和修订的程序关系，图的更新也无需重新训练模型权重。

从独立组件到程序关系

一张图连接什么？

Tools、Skills和Memory各有作用。工具提供查询、计算或提交等具体操作，技能封装可复用的做法，记忆保留任务信息与历史经验。在执行过程中，Agent还需要判断：什么时候读取记忆，哪项技能需要调用哪个工具，得到结果后又该保存什么。

PG将这些衔接关系显式写成「过程—关系—过程」三元组。

节点可以是一项技能、一个工具函数、一次内部推理，也可以是一个任务状态。连接两个节点的有向边，描述从当前步骤转向后续步骤的关系，并包含三个字段：适用条件（condition）、执行建议（guidance）和需要避免的问题（pitfalls）。

例如，「预测现金流」可以连接到「申请融资」。这条边的条件是预计现金支撑时间低于安全缓冲；建议是提前申请，为资金到账留出时间；需要避免的问题，则是在已有申请尚未完成时重复发起。

同一个工具动作，由此获得了更完整的使用上下文：为什么现在调用，调用前需要满足什么条件，以及什么情况下应当等待。

知识图谱通常用「实体—关系—实体」组织事实，帮助系统回答「是什么」「在哪里」。程序图关注的是另一类知识：做什么、按什么顺序做，以及在什么条件下做。

图1｜知识图谱组织事实，程序图连接做事的步骤、条件与执行建议。来源：论文图1。

记忆的使用也可以进入这套结构。论文附录中的财务Agent提供了一个具体例子：演化出的图先连接现金检查、现金流预测、保存笔记（save_note）和市场数据检查；随后，又把回读笔记（recall_notes）接到每月开始的位置，让上个月保存的关键信息能在新一轮决策前被取回。

在这里，工具负责查询与计算，笔记保存跨月信息，PG则描述何时写入、何时读取，以及读写操作怎样接上后续决策。工具调用和记忆读写因此成为同一张程序网中的步骤。

图2｜财务Agent程序图的结构演化。图中逐步加入现金检查、现金流预测与保存笔记等步骤，并在每月开始时接入回读笔记；后续轮次继续调整行动分支。绿色表示新增节点或连接，红色虚线表示删除。来源：论文图5。

PG本身也承载着程序性记忆：经过任务验证的行动方式，被保存在模型权重之外的图结构中。需要修改一条条件或补充一个检查步骤时，研究者可以直接改图，再检验它对执行结果的影响。

根据执行位置读取局部子图

把程序关系组织成图之后，还需要决定每一步读取哪些内容。

整张图包含完整信息，也可能带入大量与当前任务无关的分支。独立检索几条语义相似的建议，则可能遗漏步骤之间的联系。例如，只取回「提交」的指导，却没有取回前面的「检查答案」，Agent就可能缺少判断何时可以提交的依据。

PG将在线指导组织为三个连续操作。

定位当前步骤。 系统根据最近执行的动作匹配图中的节点，确定Agent当前所处的位置。

提取相连的局部结构。 默认读取沿出边两跳以内的子图，即从当前位置出发、最多经过两次连接可到达的步骤。匹配不到节点时，回退到整张图。

生成当前情境下的指导。 指导模型结合局部子图、用户任务和近期执行记录，生成下一步建议，加入执行模型的提示词。最终动作仍由执行模型选择。

在论文实验中，指导模型与执行模型采用同一种基础LLM。执行单个任务时，图保持固定。

图3｜执行时定位当前节点，读取局部子图并生成指导；离线阶段根据轨迹修改图，通过结构检查且验证分数不下降时保留修改（包括持平）。来源：论文图2。

一次机票查询展示了这类指导如何影响任务的结束时机。在BFCL工具调用测试中，用户只想了解经济舱票价。无图基线查到了220美元的报价，却继续认证身份、操作银行卡并尝试订票；失败后，它还修改预算限制，再次完成预订。

同样使用Gemini 3.5 Flash，PG指导下的Agent在报出220美元后结束当前回合，等待用户的新指令。这个案例体现了程序知识的一项作用：帮助Agent判断，已有操作是否已经满足当前请求。