CAPO：面向 LLM 智能体的约束感知提示词优化

CAPO 是一种约束感知的提示词优化方法，通过池化改写与自适应约束加权，在显式操作约束下优化系统提示词，在智能体基准测试中更可靠地达到可行操作点并提升任务性能，还推出了动态训练的 DCAPO 变体。

此前提示词优化通常只关注任务性能，忽视了工具使用、格式、安全等操作约束。CAPO 首次将约束加权引入提示词优化，使 LLM 智能体在满足约束的同时提升性能，对依赖提示词而非微调的应用尤为重要。

CAPO 采用原始-对偶方法，将约束作为对偶变量动态调整权重，指导基于池的提示词改写。DCAPO 则训练一个反馈和对偶条件化的改写器，使用池化 GRPO 更新，同时保持任务智能体不变，从而在多种规模的智能体上均能生成满足约束的提示词。

CAPO 可减少为满足操作约束而进行昂贵的模型微调，支持通过优化系统提示词来提升智能体应用的合规性与性能。产品团队可将其集成到提示词管理流程中，降低运营成本并提升用户体验。

• 在 LLM 智能体产品中集成 CAPO 作为提示词优化模块，自动生成满足安全和格式约束的系统提示词。
• 为需要提示词优化服务的 B 端客户提供 CAPO 的 API，帮助其在不微调模型的情况下改善智能体性能。
• 将 DCAPO 用于提示词改写器的训练，提升不同规模任务智能体的提示词生成质量，减少人工调试。

• CAPO 在真实业务场景中的约束满足率与性能提升幅度是否与基准测试一致？
• 有限池和离散改写误差对 CAPO 实际效果的影响有多严重？
• DCAPO 是否适用于所有类型的任务智能体，还是存在特定限制？