WorkflowGen：軌跡（トラジェクトリ）経験に駆動される適応的ワークフロー生成メカニズム

Abstract

大規模言語モデル（LLM）エージェントはしばしば、高い推論オーバーヘッド、過剰なトークン消費、不安定な実行、そしてビジネス照会、ツール利用、ワークフローのオーケストレーションといった複雑なタスクにおいて過去の経験を再利用できないという問題を抱えます。従来の手法では、あらゆる照会ごとにワークフローを毎回ゼロから生成するため、コストが高く、応答が遅く、堅牢性も低くなります。私たちは、トークン使用量を削減し、効率と成功率を向上させる自動ワークフロー生成のための、適応的で軌跡（トラジェクトリ）経験駆動型の枠組みであるWorkflowGenを提案します。実行の初期段階で、WorkflowGenは完全な軌跡を取得し、ノードレベルとワークフローレベルの双方で再利用可能な知識を抽出します。これには、エラーフィンガープリント、最適なツール対応、パラメータのスキーマ、実行経路、そして例外回避の戦略が含まれます。その後、閉ループ機構を用いて、軌跡の書き換え、経験の更新、テンプレートの帰納により、変数ノードに対してのみ軽量な生成を行います。3層の適応的ルーティング戦略は、過去の照会との意味的類似度に基づいて、直接再利用、書き換えベースの生成、そして完全な初期化のいずれかを動的に選択します。大規模な注釈付きデータセットなしで、私たちはWorkflowGenを、リアルタイム計画、静的な単一軌跡、そして基本的なインコンテキスト学習のベースラインと、定性的に比較します。提案手法は、リアルタイム計画と比べてトークン消費を40％以上削減し、主として先回りしたエラー回避と適応的フォールバックにより、中程度の類似度の照会で成功率を20％向上させます。また、モジュール化された追跡可能な経験とシナリオをまたいだ適応性によって、デプロイ可能性を高めます。WorkflowGenは、効率・堅牢性・解釈可能性の実用的なバランスを実現し、既存手法の主要な限界に対処します。