新论文提出CGAP：用经典规划器约束LLM智能体，多轮工具调用最高提升28.9个百分点

事件核心：发生了什么

论文摘要显示，LLM智能体处理一个简单请求也常需多次相互依赖的工具调用，而现有做法多由模型试错挑选，不保证计划可执行。CGAP（Capability-Grounded Agentic Planning）的做法是：把工具目录确定性编译成PDDL规划模型，用LLM把用户请求转成目标，再交给经典规划器求解。由于工具输出事先未知，模型只抽象跟踪哪些输入可用、不跟踪具体值；执行阶段由LLM补充抽象计划遗漏的实体级调用，确定性检查会拒绝破坏计划的调用。每个参数须来自对话片段或早前工具响应等可引用来源，每个结果只有经LLM验证器核对请求后才算交付。在ToolSandbox、ComplexFuncBench、BFCL多轮和τ²-bench零售四个基准上，测试了三种LLM，CGAP比标准工具调用智能体最高提升28.9分。需说明：以上仅基于摘要，未核验全文实验与同行评审状态。

为什么重要

基于试错的工具调用是当前AI应用落地的薄弱环节：多步任务容易中途失败，且难以解释。CGAP把规划交给确定性规划器、把执行留给LLM、把验收交给验证器，这种分工给智能体可靠性提供了一条可检验的技术路线。若后续全文实验能复现，它可能影响开发者设计Agent框架时对“规划层”与“执行层”的取舍，也可能影响企业采购对智能体可审计性的要求。

对用户/开发者/创作者的影响

对开发者而言，值得关注的是PDDL建模和参数溯源带来的可解释性，以及这套流程能否接入现有API与工具生态。对企业采购方，验证器机制可能成为评估智能体交付质量的参考点。对普通用户和创作者，短期内不宜期待产品级功能，更多是未来AI应用在多步任务上更少“跑到一半出错”的方向性信号。目前公开信息显示，这仍是论文方法，不是已上线服务。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

一是全文实验是否披露消融结果，说明规划、验证器与参数溯源各自贡献多少；二是该方法在更多真实API和长程任务上的成本表现；三是是否有开源框架或云厂商跟进类似“规划+验证”的Agent架构。

来源：arXiv cs.AI