用宿主层校验与原子提交约束智能体
AXI 在模型与业务状态之间加入宿主控制层,对模型提出的单次修改执行规则校验、确定性修复和原子提交。每轮根据当前准确状态构建短提示,旨在减少错误累积与历史上下文膨胀。
AI 深度解读
Agent 跑偏,不一定要靠换模型解决。AXI 讨论的是宿主侧的代码:模型提出修改,由持有真实状态的程序负责校验、补全和提交,再把当前状态交回模型。它试图同时处理错误累积和历史提示词不断变长的问题。
原文报告了一次服务图编辑实验:4,000 次请求后,每一步的宿主状态都符合预期。不过,这只能证明一组明确规则在特定任务里有效,还不足以证明 AXI 能普遍降低 Agent 成本、解决可靠性问题。
为什么最终状态不能由模型回复直接决定
Agent 经常要修改某种持续存在的状态,比如计划、列表、服务关系图或工单队列。如果模型每次回复都直接写入状态,一次漏改就可能成为后续操作的错误起点。下一步即使执行正确,也可能只是在错误状态上继续施工。
AXI 在模型和状态之间加了一层宿主侧逻辑。这里的「宿主」,就是运行模型、保存状态的程序。
它的处理过程很明确:
- 模型每次提出一个修改。
- 宿主用固定规则检查修改。
- 规则能够确定的关联操作,由程序补全。
- 整次修改全部提交,或者完全不提交。
- 根据提交后的准确状态构建简短提示词,再交给模型。
原文的例子是删除服务:服务删除后,与它相连的连接也必须删除。如果模型漏掉连接,程序就按规则补齐。这类操作不需要模型再次猜测。
把规则写进提示词,只是在要求模型遵守;把规则写进宿主代码,才能逐次检查执行结果。
AXI 的架构由 Rajnish Choubey 提出,测试由 Shalendra Gaur 构建并运行。它不更换模型,不需要训练或微调,也不是聊天记忆方案。它能约束的范围,是宿主持有且能够检查的状态,不能因此让模型更擅长判断状态之外的问题。
4,000 次状态正确,究竟证明了什么
原文在 Gemini 3.8 Flash 上进行了一次服务图编辑测试,共发送 4,000 次请求:
| 检查对象 | 原文结果 |
|---|---|
| 每一步的宿主状态 | 4,000 / 4,000 次完全正确 |
| 模型自身的回复 | 3,954 / 4,000 次完全符合理想回复 |
| 需要固定规则补全的回复 | 46 次 |
| 前 400 次请求中,直接应用相同回复的状态 | 85 次完全正确 |
关键区别是「回复正确」和「状态正确」。模型没有每次都给出完整的理想回复,但宿主规则补全了剩余 46 次,使最终状态仍然正确。
前 400 次请求的对照也提示了累积风险:直接应用相同回复,只有 85 步的状态完全正确。不过,原文没有展开每一步的失败情况,不能把这个数字直接当成模型单次回复的准确率。
另一个设计是每步根据当前状态重建提示词,不再回传完整操作历史。任务做得越久,历史越长的问题因此得到控制,而且从第一步就生效。
这里仍有一个边界:状态本身也可能变大。按状态构建提示词,可以避免提示词随历史长度持续增长,却不保证提示词始终固定大小。原文也没有提供 token 用量、延迟或费用的对照数据,所以降低成本目前有机制解释,缺少量化验证。
我的判断
我认同把确定性约束交给程序。删除节点时清理关联边、拒绝非法引用、保证一组修改全部成功或全部失败,都适合用代码处理。让模型反复记住这些约束,通常不如宿主直接检查来得可控。
但这份实验的适用前提很强:只有一个模型、一个任务和一次采样运行,修复规则又恰好来自任务自身。服务图里的关联关系能明确判断,开放式需求里的「理解错了业务意图」却未必有规则可查。
状态满足规则,不等于模型完成了用户真正想做的事。
与常见的结构化输出校验、业务规则检查和事务提交相比,AXI 更强调把这些步骤与「按当前状态重建提示词」组成完整循环。这个组合值得借鉴,但原文没有给出与这些替代做法的对照,不能据此判断它有独立的效果优势。
另外,公开仓库被作者定位为带测试和保存结果的参考原型,架构更深入的工作并不包含其中。它适合拿来验证思路,距离一般团队可以直接套用的成熟方案,原文没有提供足够证据。
能拿来做什么
- 在 Node 编写的 Agent 服务里,把模型输出当作待审核的修改请求,先检查业务约束,再更新保存的计划、列表或服务图。
- 对删除节点、清理关联项这类结果唯一的操作,用固定规则补全;涉及业务意图的缺失信息,不要仅因能凑出合法状态就自动提交。
- 对持续修改同一份状态的任务,尝试每步发送当前状态,并核对历史中是否存在仍需保留的约束,同时记录 token 和费用变化。
- 复现实验时,分别统计模型回复是否正确、提交后的状态是否正确,再与直接应用回复的流程比较,避免把程序修复能力误算成模型能力。