FAOP：AI 智能体工作流的形式化范式与代数

查看 PDF HTML（实验性）

摘要：组织越来越多地将操作流程编码为多步骤的智能体技能，此处称为智能体操作流程（AOP），这些流程必须可追溯、可审计、可复现、受访问控制，并在时间和成本上受限，这些是受监管行业强制要求。然而，AOP 通常以粗粒度文件形式保存，其中步骤捆绑了多个动作，复制的流程会逐渐偏离，任何步骤都可以访问任何工具，重构也无人检查。我们提出函数式智能体操作流程（FAOP），一种为 AI 智能体工作流带来数据库级规范的形式化理论。FAOP 将每个工作流重新表述为作用于作用域状态上的类型化函数，并使整个库遵循四种渐进式范式：分解式（FNF-1）将工作流拆分为原子步骤，类型化（FNF-2）使其数据流显式且经过类型检查，因式分解式（FNF-3）为每个共享流程提供单一规范定义，使变更得以传播而非偏离，作用域式（FNF-4）将每个步骤限制为最小权限工具访问。一旦规范化，每个原子步骤都是具有声明契约的独立实体，可以单独进行类型检查、作用域限制、边界约束、测试、追踪和审计。一个可证明可靠的等式 FAOP 代数将重构和并行化转化为编译器重写；正交扩展增加了经过验证的终止性（+V）、优化（+O）以及时间和成本边界（+B）；架构级分类器（0-3）确定工作流是否根本需要 AI。这些共同使完整性、隔离性、类型化、终止性、成本和优化成为整个库的编译期关注点，而非运行时的期望。我们在 SkillBase 中实现了该理论，这是一个 AOP 管理系统（PostgreSQL 之于数据，正如 SkillBase 之于 AOP），并配有一个单独的执行器在运行时强制执行这些保证。一个完整的金融工作流示例端到端地展示了该方法。

评论：	28 页，2 幅图，5 张表
主题：	人工智能（cs.AI）；数据库（cs.DB）；编程语言（cs.PL）
ACM 分类：	D.3.1; D.2.4; I.2.11
引用为：	arXiv:2610.22061 [cs.AI]
	（或 arXiv:2610.22061v1 [cs.AI] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.22061 arXiv 颁发的 DOI，通过 DataCite（待注册）

提交历史

来自：Ali Mohammadi Shanghooshabad [查看电子邮件]
[v1] 2026 年 10 月 15 日星期四 15:24:46 UTC（119 KB）