arXiv cs.AI· Xin Li, Rami Bahsoon, Tao Chen·· 3 天前AI 评分40
智能体工作流为何失败：基于文献与实证数据的失败分类体系
Why Agentic Workflows Fail: A Taxonomy Derived from Literature and Empirical Data
AI 导读
一篇 arXiv 论文提出面向来源的智能体工作流失败分类体系，结合失败类型词典、工作流阶段定位与智能体能力定位，构建以工作流阶段为横轴、智能体能力为纵轴的双轴定位矩阵。实证对比显示，文献中的失败集中在规划、推理、学习、感知与知识相关机制，而 GitHub 上的失败集中在执行阶段、执行动作、工具、API 与基础设施，迭代执行与执行动作是主要热点。
正文 · AI 翻译
摘要：智能体工作流将大型语言模型与规划、记忆、工具、执行环境和迭代反馈相结合。其故障难以诊断，因为相同的用户可见症状可能源自模型行为、工作流编排、外部工具、基础设施或它们之间的交互。本文提出了智能体工作流故障的来源感知分类法，并将其应用于学术文献和 GitHub 中的证据。该分类法将来源归因与三个实证维度相结合：具体的故障类型词典、工作流阶段定位和智能体能力定位。其核心结构是一个双轴定位矩阵：工作流阶段构成水平过程轴，智能体能力构成垂直功能轴。这一设计超越了主要对最终故障表现进行分类的分类法，通过定位智能体运行内部的中间过程状态来实现。我们的实证比较表明，文献中得出的故障强调规划、推理、学习、感知和知识相关机制，而 GitHub 中得出的故障则集中于执行阶段、驱动相关、工具、API 和基础设施故障。主要热点是迭代执行与驱动。这些发现表明，智能体工作流的可靠性应被视为系统问题，而不仅仅是模型输出问题。该分类法为结构化评估、根因分析、故障注入和工程分诊提供了基础。
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.17418 [cs.SE] |
| （或 arXiv:2610.17418v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17418 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Xin Li [查看电子邮件]
[v1]
2026年10月12日星期一 21:32:14 UTC（313 KB）
来源：arXiv cs.AI · arxiv.org