utility

Utility Skill

概述

一种基于 Liu 等人的论文《Utility-Guided Agent Orchestration for Efficient LLM Tool Use》（arXiv:2603.19896）的 Agent 编排决策框架。 该框架通过从预期收益中减去加权成本，为每个候选操作评分，并得出一个用于指导操作选择的效用值。 该框架会让过度调用工具和过早停止这两种错误都付出代价，从而避免它们。 效用范围为 [-2.3, 1.0]。

适用场景

• 决定是否再调度一个 Agent，或再调用一次工具
• 对成本高昂的工具调用（搜索、代码执行、委派）进行门控
• 为子任务选择合适的模型层级
• 收到部分结果后决定是否继续
• 在写入或提交输出前进行验证门控

不适用场景

• 只有一个明显操作的单步任务
• 评分成本超过收益的简单任务
• 已执行且无法撤销的操作

操作空间

A = {respond, retrieve, tool_call, verify, delegate, stop}

操作	描述
respond	根据当前上下文输出最终答案
retrieve	获取其他信息（搜索、读取、查询）
tool_call	执行工具（代码运行器、API、文件写入）
verify	检查先前结果的正确性或完整性
delegate	启动子 Agent 或移交给专业人员
stop	终止循环并返回当前状态

效用函数

U(a | s_t) = Gain(a | s_t)
           - λ₁ · StepCost(a | s_t)
           - λ₂ · Uncertainty(a | s_t)
           - λ₃ · Redundancy(a | s_t)

参数	默认值	理由
λ₁	1.0	成本基准；其他权重均以此为参照
λ₂	0.5	与结果的经验相关性较弱（r=0.0131）
λ₃	0.8	冗余剪枝可节省约 10% 的 token

效用范围：[-2.3, 1.0]。 正值表示值得采取该操作。 低于下限值（默认值为 -0.5）的分数表示应跳过该操作。

终止条件

满足以下任一条件时，停止循环：

• (a) 选中的操作为 stop
• (b) 步数预算耗尽（默认值：10 步）
• (c) 所有非 stop 操作的分数都低于下限值（默认值：-0.5）

**高收益覆盖规则：**如果任一操作的 Gain >= 0.7，可覆盖条件 (c)。 在推理轨迹中记录覆盖规则及收益值。

快速入门

最精简的 4 步建议模式：

1. 构建状态：按照 modules/state-builder.md，收集任务上下文
2. 为候选操作评分：按照 modules/action-selector.md，评估 A 中的每个操作
3. 优先选择效用最高者：在满足终止条件的前提下，选择 U(a | s_t) 最大的操作
4. 记录分数和决策：执行前记录胜出操作、 其效用值和步数

详细资源

• 状态构建器：modules/state-builder.md，说明如何根据任务上下文填充 s_t
• 收益：modules/gain.md，说明如何估算预期信息 或进展收益
• 步骤成本：modules/step-cost.md，token、延迟和 金钱成本表
• 不确定性：modules/uncertainty.md，置信度 估算与校准
• 冗余：modules/redundancy.md，检测重复 或增量较低的操作
• 操作选择器：modules/action-selector.md，评分 循环和打破平局规则
• 集成：modules/integration.md，将效用 评分接入现有编排循环

退出标准

• 已构建包含任务目标和先前步骤的状态
• 选择操作前已为全部六种操作评分
• 每步之后均已检查终止条件
• 每个已执行步骤均已记录分数和决策
• 已记录高收益覆盖规则及收益值