隨著大語(yǔ)言模型技術(shù)的持續(xù)突破與火熱發(fā)展，AI 智能體正從單點(diǎn)能力邁向復(fù)雜系統(tǒng)協(xié)作，多智能體系統(tǒng)（Multi-Agent Systems, MAS）成為學(xué)術(shù)和產(chǎn)業(yè)界聚焦的新前沿。在這一背景下，「Agentic Workflow」作為面向智能體自主決策與協(xié)作流程自動(dòng)生成的技術(shù)理念，正成為多智能體系統(tǒng)研究和應(yīng)用的探索熱點(diǎn)。

為提升智能體系統(tǒng)的自主化與智能化，谷歌、上海 AI Lab 等國(guó)內(nèi)外領(lǐng)先團(tuán)隊(duì)陸續(xù)推出了 Meta-GPT、ADAS、AFlow 等創(chuàng)新性 Agentic Workflow 工作，大力推動(dòng)利用大模型實(shí)現(xiàn)任務(wù)規(guī)劃、分工協(xié)作與流程優(yōu)化的自動(dòng)化進(jìn)程。

盡管這些系統(tǒng)能夠靈活的表達(dá)工作流，但在自動(dòng)化搜索工作流的過(guò)程中，存在合理性難以保證、可驗(yàn)證性不足、 難以直觀表達(dá)等突出挑戰(zhàn)，嚴(yán)重制約了多智能體系統(tǒng)的可靠落地與規(guī)?；渴?。

近日，來(lái)自新加坡 A*STAR 的 Centre for Frontier AI Research (CFAR) 研究所與南洋理工大學(xué)的研究團(tuán)隊(duì)聯(lián)合發(fā)布了創(chuàng)新性工作流框架「MermaidFlow」，推動(dòng)智能體系統(tǒng)邁向結(jié)構(gòu)化進(jìn)化與安全可驗(yàn)證的新范式。

• 論文鏈接：https://arxiv.org/pdf/2505.22967
• GitHub 開(kāi)源代碼：https://github.com/chengqiArchy/MermaidFlow

Mermaid 破局：讓結(jié)構(gòu)式工作流表達(dá)取代腳本混戰(zhàn)

傳統(tǒng)瓶頸：命令式腳本使工作流頻頻 「翻車」

在現(xiàn)有多智能體系統(tǒng)中，大模型生成的工作流往往以 Python 腳本或 JSON 樹等命令式（imperative）代碼直接輸出，ADAS, AFlow 等主流系統(tǒng)也普遍采用了這種表達(dá)范式。這種低層次、混雜的生成方式，將流程規(guī)劃與具體實(shí)現(xiàn)深度耦合，結(jié)構(gòu)信息隱含在復(fù)雜代碼中，直接導(dǎo)致了以下三大核心瓶頸：

• 結(jié)構(gòu)不透明：工作流整體架構(gòu)深藏在雜亂代碼里，流程關(guān)系難以一目了然，協(xié)作全局難以把控。
• 合理性難驗(yàn)證：流程邏輯與實(shí)現(xiàn)細(xì)節(jié)高度耦合，缺乏靜態(tài)檢查和自動(dòng)驗(yàn)證機(jī)制，容易隱藏致命漏洞。
• 調(diào)試與優(yōu)化困難：錯(cuò)誤往往只有在實(shí)際運(yùn)行時(shí)才暴露，流程復(fù)現(xiàn)、問(wèn)題定位和后續(xù)優(yōu)化極為低效。

MermaidFlow: 引領(lǐng)結(jié)構(gòu)化與可驗(yàn)證工作流表達(dá) 

MermaidFlow 以 結(jié)構(gòu)化圖語(yǔ)言 Mermaid 為基礎(chǔ)，提出了一種全新的工作流表達(dá)機(jī)制。不同于直接輸出可執(zhí)行腳本的方式，MermaidFlow 強(qiáng)調(diào)將智能體行為規(guī)劃過(guò)程顯式建模為結(jié)構(gòu)化流程圖譜，并引入形式化語(yǔ)義，確保流程清晰、可查、可驗(yàn)證。

相比傳統(tǒng)的 Python/JSON 腳本，基于 Mermaid 的工作流表達(dá)具有以下核心特點(diǎn)：

• 圖式結(jié)構(gòu)清晰可見(jiàn)：每一個(gè)智能體定義、依賴關(guān)系、數(shù)據(jù)流都被結(jié)構(gòu)化地表達(dá)成圖中的節(jié)點(diǎn)與連邊，使整個(gè)工作流一目了然、可交互、可審查.
• 流程驗(yàn)證內(nèi)嵌其中：MermaidFlow 引入了多類語(yǔ)義約束（如依賴閉環(huán)、角色一致性、輸入輸出類型匹配等），支持靜態(tài)結(jié)構(gòu)驗(yàn)證與生成時(shí)一致性檢查，避免生成不符合規(guī)則的圖。
• 天然支持演化與調(diào)試：結(jié)構(gòu)化工作流圖更易于進(jìn)行片段級(jí)替換、增量修復(fù)與版本比較，支持可控的演化式優(yōu)化（見(jiàn)后節(jié)）。

圖1 MermaidFlow：從結(jié)構(gòu)化圖到可驗(yàn)證執(zhí)行的一站式工作流表達(dá)閉環(huán) 。 左側(cè)部分展示了基于 Mermaid 的聲明式工作流表達(dá)，結(jié)構(gòu)清晰、依賴顯式，具備良好的人類可讀性。人們可以清晰得知道, 在該工作流中存在什么節(jié)點(diǎn), 他們之間的連接情況是怎么樣的。

借助 MermaidFlow 所提出的結(jié)構(gòu)化圖式表達(dá)，多智能體協(xié)作的工作流規(guī)劃過(guò)程不再是脆弱難控的黑盒編排，而是具備清晰結(jié)構(gòu)、可視節(jié)點(diǎn)與可驗(yàn)證語(yǔ)義的 「白盒流程」。這種方式極大地提升了 Agentic Workflow 的可解釋性、可驗(yàn)證性與后續(xù)演化的可操作性，為大規(guī)模部署打下堅(jiān)實(shí)基礎(chǔ)。

??作者研究發(fā)現(xiàn)大語(yǔ)言模型對(duì) Mermaid 語(yǔ)言具備天然的生成優(yōu)勢(shì)。這也讓 MermaidFlow 與 LLM 的結(jié)合變得格外絲滑又強(qiáng)大???

MermaidFlow 中的安全演化策略：工作流的自我升級(jí)之道

MermaidFlow 基于 Mermaid 語(yǔ)言對(duì)智能體工作流進(jìn)行顯式建模，使每個(gè)任務(wù)節(jié)點(diǎn)、數(shù)據(jù)依賴與執(zhí)行順序都成為可視、可解析、可操作的語(yǔ)義單元。相比傳統(tǒng)的命令式腳本，結(jié)構(gòu)化表達(dá)更具模塊化特性，支持按節(jié)點(diǎn)插入、刪除與替換，天然適配圖級(jí)別的優(yōu)化操作。每一次結(jié)構(gòu)調(diào)整都具備清晰的語(yǔ)義邊界，顯著降低了修改的不確定性與調(diào)試復(fù)雜度。

得益于 MermaidFlow 引入的靜態(tài)驗(yàn)證機(jī)制（如節(jié)點(diǎn)類型匹配、輸入輸出閉環(huán)、角色一致性等約束），每一代演化生成的工作流候選都能在生成階段就進(jìn)行結(jié)構(gòu)合規(guī)性檢查，過(guò)濾掉語(yǔ)義不完整或存在潛在風(fēng)險(xiǎn)的 「劣質(zhì)圖」。這種 「先驗(yàn)校驗(yàn) + 后驗(yàn)優(yōu)化」 的策略，顯著提高了搜索空間的質(zhì)量和魯棒性，避免了大量無(wú)效或不合法的探索路徑。

圖 2 MermaidFlow 的安全演化式優(yōu)化流程概覽。 本系統(tǒng)以結(jié)構(gòu)化的 Mermaid 圖表達(dá)作為工作流起點(diǎn)，通過(guò)安全約束的進(jìn)化算法（Safety-Aware Evolutionary Programming）在類型保持（typed）、結(jié)構(gòu)可感知（structure-aware）、靜態(tài)可驗(yàn)證（static verifiable）等維度上持續(xù)優(yōu)化工作流結(jié)構(gòu)。

實(shí)驗(yàn)性能

MermaidFlow 不再依賴具備強(qiáng)編程能力的大語(yǔ)言模型，也能生成高質(zhì)量的工作流。在 GSM8K、MATH、HumanEval、MBPP 等多個(gè)主流任務(wù)數(shù)據(jù)集上，MermaidFlow 均展現(xiàn)出優(yōu)秀的性能，體現(xiàn)出較強(qiáng)的實(shí)用價(jià)值。更關(guān)鍵的是，得益于結(jié)構(gòu)化表達(dá)與靜態(tài)可驗(yàn)證機(jī)制，MermaidFlow 在進(jìn)化流程中生成可執(zhí)行且結(jié)構(gòu)合理工作流的成功率超過(guò) 90%，相比于傳統(tǒng)基于腳本拼接的方法，極大提升了智能體系統(tǒng)的可控性和魯棒性，為智能體系統(tǒng)的穩(wěn)健部署提供了堅(jiān)實(shí)的支撐。

圖 3 MermaidFlow 在主流任務(wù)上的評(píng)測(cè)結(jié)果。

下圖展示了 MermaidFlow 在結(jié)構(gòu)化表示下的進(jìn)化過(guò)程示例。得益于每個(gè)節(jié)點(diǎn)及其連接關(guān)系均具備明確的語(yǔ)義邊界，系統(tǒng)能夠便捷且安全地進(jìn)行局部片段的替換、重組與演化操作（如 crossover、節(jié)點(diǎn)替換、連邊調(diào)整等）。圖中演示了系統(tǒng)如何通過(guò)對(duì) Workflow 5 和 Workflow 4 進(jìn)行 crossover 操作，生成結(jié)構(gòu)更健壯的 Workflow 8，引入了更優(yōu)的 ensemble 與 test 模塊。這一結(jié)構(gòu)可控的演化機(jī)制，有效提升了工作流生成過(guò)程的安全性、可控性與可維護(hù)性。

圖 4 MermaidFlow 靈活的工作流進(jìn)化合成過(guò)程。

結(jié)語(yǔ)

隨著多智能體系統(tǒng)和大模型 AI 持續(xù)演進(jìn)，如何實(shí)現(xiàn)結(jié)構(gòu)化、可驗(yàn)證與高效進(jìn)化的工作流，已成為智能體研究的重要命題。MermaidFlow 提出的結(jié)構(gòu)化可驗(yàn)證工作流表達(dá)方式，為智能體系統(tǒng)實(shí)現(xiàn)高效、可控的協(xié)作流程提供了基礎(chǔ)支撐。未來(lái)的 AI 協(xié)作，也許正需要這樣一套 「看得見(jiàn)、查得清、能進(jìn)化」 的流程底座。隨著應(yīng)用領(lǐng)域的不斷拓展與工程落地，這一框架有望為智能體生態(tài)的持續(xù)進(jìn)步提供有益參考。