TL;DR

随着 LLM 应用从简单的“Prompt-Response”进化为复杂的“Agentic Workflows”，如何设计和优化这些工作流成为了提升系统上限的关键。本文将 Agent 工作流抽象为 Agentic Computation Graphs (ACG)，深度解析了从离线搜索固定模板到推理时动态生成、编辑执行图的技术演进。文章不仅提供了严谨的分类学，还为开发者提供了一份在性能与成本之间权衡的实操策略。

核心速览

在大模型 Agent 领域，我们正处于一个拐点：智能不再仅来源于模型参数，更来源于结构的组织形式。 本综述指出，一个弱的底座模型配合精妙设计的验证（Verification）与重试（Retry）结构，往往能战胜一个没有任何工作流保护的最强模型。

1. 痛点深挖：为什么硬编码的工作流不再够用？

早期的 Agent 系统（如早期的思维链或简单 ReAct）大多依赖静态 Scaffold。这种方式在处理简单、同质化任务时表现良好，但在以下场景中面临挑战：

• 分配效率低下：简单问题调用了过于复杂的专家集群，造成 Token 浪费。
• 脆性 (Fragility)：一旦遇到工具调用失败或中间结果偏离预期，固定的拓扑结构无法动态插入“修复节点”。
• 搜索空间爆炸：手动设计最优的 Agent 协作模式（谁该和谁说话、何时验证）已超出人类直觉。

2. 核心架构：ACG 的三层抽象

作者提出了三个关键概念来解耦 Agent 系统：

1. ACG Template ($\bar{\mathcal{G}}$)：离线设计的、可复用的执行规范（类比类定义）。
2. Realized Graph ($G_{run}$)：针对特定输入 $x$ 在推理时生成的具体图结构（类比实例）。
3. Execution Trace ($au$)：运行过程中产生的状态、动作和观测序列（类比日志）。

Figure 1: LLM Agent 工作流优化的全局分类，涵盖从静态搜索到动态编辑的全频谱。

3. 静态优化：在部署前寻找“最强模版”

静态方法的核心在于离线搜索。

• 代表工作：AFlow 通过 MCTS 搜索算子图，ADAS 则在代码空间中利用元 Agent 自动编写 Agent 系统。
• 本质直觉：通过大规模模拟运行，提取出在特定领域（如代码生成、数学证明）证明有效的高性能拓扑。
• 适用场景：任务高度重复、评估信号（如 Unit Test）强且廉价的情况。

4. 动态优化：推理时的“读题拆题”

动态优化将结构的决策权推迟到了运行时，这被分为三个细分模式：

• Select (选择)：从超图中剪枝。如 Adaptive Graph Pruning，根据输入难度决定启用多少个 Agent。
• Generate (生成)：执行前“构思”全图。如 Assemble Your Crew，针对每个查询实时生成专属的 DAG。
• Edit (编辑)：边跑边改。如 AgentConductor 和 DyFlow，在执行失败时动态修改拓扑，插入调试节点。

Table 2: 核心静态优化工作对比。注意其反馈信号多倾向于下游 Metric。

5. 实验分析与深度洞察

论文通过深度分析得出以下几条极具行业价值的结论：

A. 结构优化 vs Prompt 优化

当 Agent 出现系统性错误时，修改 Topology 的 ROI 通常高于 Prompt Tuning。例如，引入一个“验证节点（Verifier）”往往比在原 Prompt 里写一百遍“请仔细检查”更有效。

B. 验证器 (Verifier) 是第一生产力

有效的结构优化高度依赖于反馈信号的质量。在代码、公式计算等具有强验证器的领域，结构优化能自动演化出极为精密的纠错路径。

C. 质量-成本的博弈公式

优化目标通常可以表示为： $\max \mathbb{E}[R(au;x)-\lambda C(au)]$ 其中 $R$ 是质量，$C$ 是成本，$\lambda$ 是成本敏感系数。优秀的动态方法能够根据 $\lambda$ 自动收缩图规模。

Table 3: 动态生成与运行时编辑方法的硬核对比，揭露了从 pre-execution 到 in-execution 的进化。

6. 总结与展望

Agent 工程正在从“调包”转向“编译器”时代。 本文认为，结构化信用分配（Structural Credit Assignment）和表达力与可验证性之间的平衡仍是未竟之业。

Future Work：

• 结构化信贷分配：如何精准判断是哪条边、哪个节点导致了最终失败？
• 连续适应性：当工具环境发生漂移（Drift）时，工作流如何实现增量修复而非重搜？

对于开发者而言，一个实用的建议是：先建立静态基准，再考虑动态剪枝，最后在不确定的复杂环境里引入运行时编辑。