长周期智能体任务中的一致性规划-执行方法

论文研究长周期 agentic 任务中 planner 与 actor 角色解耦后的协调失败，通过让两个 agent 给出结构化状态断言并程序化比对，发现二者对同一任务相关状态事实存在系统性分歧，作者称之为 planner-actor state mismatch。向 agent 提供任务相关状态信息可减少分歧、改善协调与任务表现。作者据此提出 Consistent Plan-Act（ConPAct），把检测到的矛盾反馈给两个 agent，并在整理过的一致交互上微调，从而提升多个环境与模型配置下的表现，例如 MiniGrid 成功率从 38.6% 提升到 54.4%。

此前 planner-actor 分工通常被视为提升长周期任务能力的常规架构，该工作指出这种解耦会带来对同一状态事实的系统性误判，并把状态一致性作为可检测、可纠正、可训练的问题提出，而非仅归因于模型能力不足。

机制上，planner 与 actor 分别维护各自的状态理解，缺少共享且被校验的状态表示时，二者会基于相互矛盾的事实继续推理与行动，误差在长周期中累积。ConPAct 先用结构化断言暴露矛盾，再把矛盾反馈回双方以对齐状态解释，并用筛选出的一致交互数据微调，使一致性既能在推理时纠正也能进入训练。

对构建多智能体或 planner-executor 架构的产品，可在流程中加入状态断言与矛盾检测环节，降低长链路任务中因状态误解导致的返工；同时需评估增加状态校验与反馈带来的额外推理调用、延迟和微调数据整理成本。

• 在 agent 编排层加入结构化状态断言与自动矛盾检测模块，作为规划与执行之间的校验步骤。
• 对高频失败的长链路任务，收集一致性交互数据用于微调或提示优化，并按环境分别验证成功率提升。
• 为 agent 平台提供状态一致性指标看板，用于定位 planner 与 actor 分歧集中的任务环节。

• ConPAct 在 MiniGrid 之外的哪些具体环境和模型配置上得到验证，提升幅度如何？
• 状态断言与矛盾检测带来的额外 token 与延迟成本是多少？
• 该方法是否需要针对每个环境单独整理微调数据，迁移到新任务的代价如何？
• planner-actor state mismatch 是否在其他 agent 框架中同样普遍存在？