Исследователи представили новую концепцию «Workflow as Knowledge», которая переосмысливает создание ИИ-агентов через призму семантической устойчивости. Вместо жестких скриптов авторы предлагают использовать принципы Lisp — символьные формы и объектную идентичность — для создания гибких, самодокументируемых рабочих процессов, способных сохранять состояние и контекст выполнения в долгосрочной перспективе.
Традиционные системы оркестрации часто сталкиваются с проблемами при ветвлении, проверке промежуточных результатов и интеграции человеческого участия. Предложенный подход переносит фокус с линейного исполнения кода на создание «живых образов» (live-image) рабочих процессов. Это позволяет агентам не просто следовать заданному алгоритму, но и понимать семантику своих действий, что критически важно для сложных многошаговых задач, требующих RAG-интеграции и работы с внешними инструментами.
Методология опирается на идею, что рабочий процесс должен быть представлен как структурированное знание, а не как последовательность вызовов API. Такой подход упрощает отладку агентных систем, так как состояние системы становится прозрачным и доступным для анализа на любом этапе выполнения. Это открывает путь к созданию более надежных и предсказуемых автономных агентов, способных к самокоррекции и эффективному взаимодействию с динамическими данными.
Ключевые факты
- Концепция базируется на принципах функционального программирования, адаптированных для LLM-ориентированных сред.
- Модель внедряет механизмы символьных форм и объектной идентичности для обеспечения семантической устойчивости процессов.
- Подход решает проблемы чекпоинтинга, ветвления и интеграции человеческого одобрения в агентных архитектурах.
- Система является языково-независимой, что позволяет интегрировать её в существующие фреймворки для разработки ИИ-агентов.