1. 项目概述从“指令跟随”到“规范自发现”的范式跃迁最近在跟几个做AI应用落地的朋友聊天大家普遍有个痛点大模型LLM在特定业务场景下的表现总感觉差那么一口气。你给它一个任务比如“分析这份财报”它确实能洋洋洒洒写一堆但格式、分析维度、结论的严谨性往往不是你想要的。我们得花大量时间去写冗长、精确的提示词Prompt试图把“规范”塞给它。这就像教一个极其聪明但缺乏经验的新人你得事无巨细地告诉他每一步该怎么做用什么模板注意哪些坑。效率低且一旦业务逻辑微调整个提示词工程又得重来。这正是“Agentic Context Learning with Self-Discovered Specification”具有自发现规范的智能体上下文学习这个方向试图解决的核心问题。它不是一个具体的工具或库而是一种构建智能体Agent的新范式。其核心思想是让智能体不再被动等待人类输入的、详尽无遗的“规范”Specification而是能够主动从给定的任务上下文Context中自行学习、推断并生成完成任务所需的行为规范。简单说就是从“你告诉我每一步怎么做”进化到“你给我目标和背景我自己琢磨出该怎么做并告诉你我打算怎么做”。这背后的驱动力是让AI智能体更贴近人类解决问题的方式。我们接到一个复杂任务时首先会结合已有知识上下文去理解任务边界、成功标准、潜在风险然后形成一套自己的行动计划规范再去执行。“自发现规范”就是要赋予智能体这种高阶认知能力。相关热搜词如“Agentic Context Learning”和“Self-Discovered Specification”正是这一趋势的集中体现它指向了下一代AI智能体更自主、更灵活、更可靠的关键能力。2. 核心概念拆解什么是“规范”与“自发现”要理解这个范式必须先厘清两个核心概念“规范”Specification和“自发现”Self-Discovered。2.1 “规范”的多元内涵远不止于提示词在传统AI任务中“规范”常常被简化为“任务描述”或“提示词”。但在智能体范式中规范是一个多维度的复合体它定义了智能体行为的“宪法”。我将其归纳为以下几个层面目标规范任务的终极目标是什么成功的精确定义是什么例如不是“写一份报告”而是“生成一份面向董事会的、不超过5页的季度业务复盘报告需突出增长瓶颈与下季度三大战略优先级并附带关键数据可视化建议”。过程规范完成任务应遵循的步骤、流程或方法论。例如数据分析任务可能规范为“数据清洗 - 描述性统计 - 相关性分析 - 归因建模 - 结论提炼”的流程。输出规范最终产出的格式、结构、风格要求。比如必须是Markdown格式包含摘要、背景、方法、结果、讨论、附录等章节语言风格需专业且简洁。约束规范任务执行中的限制条件如计算资源上限、时间限制、可调用的工具集API、安全与合规红线例如不得生成个人隐私信息。评估规范如何判断产出质量这包括内部验证逻辑如代码需通过单元测试和外部评估标准如报告的可读性评分。在“指令跟随”模式下这些规范都需要人类专家预先定义并编码进提示词或系统指令中成本高昂且脆弱。“自发现”就是要让智能体自己来搞定这些。2.2 “自发现”的实现机制从上下文中萃取黄金“自发现”不是魔法而是一个基于上下文推理的元认知过程。智能体需要被赋予一种能力分析任务上下文并主动生成上述多维度的规范。这个过程通常依赖于以下几个关键组件丰富的上下文供给这是“发现”的原料。上下文不仅包括用户直接输入的任务描述还应包括历史对话与任务记录过去类似任务是如何被提出和解决的领域知识库相关的行业术语、标准流程、最佳实践文档。示例库Few-shot Examples少量高质量的任务输入-输出对这是最有效的规范“暗示”。环境信息智能体可用的工具、权限、当前系统状态等。规范推理模块这是核心引擎。通常这会是一个“元提示”驱动的推理过程。智能体内部会运行一个“规划步骤”其提示词大致是“基于给定的任务描述和上下文请你作为规划者推导出完成此任务所需的具体目标、步骤、输出格式、约束条件和自我评估标准。请将你的推导过程结构化输出。” 这个过程可能涉及链式思考Chain-of-Thought让智能体一步步推理出规范。例如看到任务“分析用户评论情感”结合上下文中的“示例库”里有一份情感分析报告模板智能体便能推断出输出规范应包含“情感分布饼图”和“高频词云”。规范的形式化与验证推理出的规范需要被转化为智能体可执行、可遵循的明确指令或结构化数据如JSON Schema。同时智能体应具备初步的自我验证能力检查自发现的规范是否与上下文冲突、是否完整、是否可行。注意这里的“自发现”并非无中生有其质量极度依赖于上下文的丰富度和质量。给智能体一堆杂乱无章的资料它不可能发现清晰的规范。因此构建高质量的上下文知识库是实践这一范式的首要前提。3. 架构设计与工作流程解析一个实现了“规范自发现”的智能体系统其架构和工作流程与传统智能体有显著不同。下图展示了一个典型的闭环工作流程注此处用文字描述架构图实际部署中可用代码逻辑实现[用户提出任务] ↓ [任务进入“上下文增强模块”] - 从知识库、历史记录、示例库中检索并附加相关上下文 ↓ [任务增强上下文送入“规范发现引擎”] ↓ [规范发现引擎进行元推理] - 输出结构化任务规范目标、步骤、格式、约束 ↓ [规范验证与用户确认可选] - 可将发现的规范呈现给用户进行微调或确认 ↓ [智能体执行层依据规范执行任务] - 调用工具、生成内容、分步推进 ↓ [依据规范中的评估标准进行自我检查与修正] ↓ [输出最终结果并将本次任务与规范作为新上下文存入知识库]3.1 核心模块深度剖析1. 上下文增强模块这个模块负责为原始任务“增广”信息。其技术选型通常是“检索增强生成”RAG的变体。关键在于检索策略的设计任务类型路由根据任务描述判断其属于“报告生成”、“数据分析”、“代码编写”等哪一类别从而路由到不同的专业知识子库进行检索。混合检索结合语义检索向量数据库和关键词检索确保既找到概念相关的资料也不错过关键术语匹配的示例。相关性过滤与排序对检索结果进行重排序优先选择与当前任务最相关、质量最高的上下文片段。这里可以引入一个小型判别模型或基于LLM的重新排序器。2. 规范发现引擎这是系统的“大脑”。一种高效的实现方式是采用“两层提示”结构第一层规范分解提示。这是一个精心设计的系统提示引导LLM从上下文中学规范。例如你是一个高级任务规划专家。你的目标是根据以下任务和上下文推导出执行该任务的完整规范。 【任务】: {用户任务} 【相关上下文】: {增强后的上下文} 请逐步思考并输出一个JSON对象包含以下字段 1. goal: 清晰、可衡量的任务目标。 2. steps: 一个有序数组描述具体的执行步骤。 3. output_format: 对最终输出格式的详细描述。 4. constraints: 执行中必须遵守的限制列表。 5. evaluation_criteria: 用于自我检查产出质量的标准列表。第二层规范精炼与格式化。第一层输出的结果可能不够结构化或存在歧义。可以将其送入第二个LLM调用专门负责将描述性规范转化为更精确的、可执行的指令甚至生成用于验证输出结构的JSON Schema。3. 执行与验证循环智能体依据自发现的规范逐步执行。每一步执行后都可以将中间结果与规范中的“评估标准”进行比对。例如规范要求“代码需包含错误处理”那么智能体在生成代码后可以启动一个子任务来检查是否添加了try-catch块。这种“执行-检查-修正”的循环使得智能体行为更加可靠。3.2 技术栈选型建议核心LLM选择具有强大推理和指令遵循能力的模型如GPT-4、Claude 3 Opus或开源的DeepSeek-V2。规范发现环节对模型的逻辑和元认知能力要求极高。向量数据库用于存储和检索上下文知识如Chroma、Pinecone、Weaviate或国产的Milvus。选择时需考虑嵌入模型兼容性、过滤查询能力和部署复杂度。智能体框架LangChain、LlamaIndex、AutoGen等框架提供了构建智能体工作流的基础组件。但针对“规范自发现”你可能需要在它们之上进行定制开发特别是规范发现引擎模块。编排与监控使用像LangGraph或直接编写异步工作流来编排整个发现-执行流程。同时强烈建议引入日志和追踪系统如LangSmith、PrometheusGrafana记录每一次规范发现的结果和执行路径这对于调试和优化至关重要。4. 实战演练构建一个“规范自发现”的周报生成智能体理论说再多不如动手一试。我们以构建一个“自动生成项目周报”的智能体为例看看如何实现规范自发现。4.1 场景定义与上下文准备任务“请帮我生成过去一周2024年5月20日-26日关于‘智能客服系统升级’项目的周报。”上下文知识库准备历史周报示例存入3-5份不同项目、不同风格的高质量历史周报Markdown格式。公司报告规范文档一份描述公司内部周报应包含哪些章节如本周摘要、完成事项、下周计划、风险与问题、常用术语、数据呈现要求的文档。项目数据源提供访问项目管理系统如Jira API、代码仓库如Git API、沟通工具如Slack API的凭据和接口说明作为智能体可拉取数据的“工具”。领域词典关于“智能客服”、“系统升级”相关的专业术语解释。4.2 规范发现过程推演当任务触发后智能体的“规范发现引擎”开始工作上下文检索系统根据“周报”、“项目”等关键词从向量库中检索出最相关的2份历史周报示例和公司报告规范文档。元推理与规范生成引擎将任务和检索到的上下文组合成提示发送给核心LLM。LLM经过推理可能输出如下规范此处为简化示意{ “goal”: “生成一份专业、结构清晰的项目周报涵盖2024年5月20日至26日期间‘智能客服系统升级’项目的进展、成果、计划和风险供项目经理和干系人审阅。”, “steps”: [ “1. 通过Jira API获取该时间段内所有状态为‘已完成’和‘进行中’的任务项。”, “2. 通过Git API获取该时间段内相关代码仓库的提交记录和PR合并情况。”, “3. 分析获取的数据按‘本周完成’、‘进行中’、‘下周计划’进行分类归纳。”, “4. 参考历史周报示例的结构和语言风格撰写报告草稿。”, “5. 重点识别并阐述任何进度延迟、技术挑战或资源风险。”, “6. 按照公司规范文档要求格式化最终报告使用Markdown包含标题、日期、各部分二级标题。” ], “output_format”: “Markdown文档。必须包含以下章节# 项目周报 [项目名称] [日期范围]## 本周摘要## 已完成工作列表形式附负责人## 进行中工作## 下周计划## 风险与问题## 备注。”, “constraints”: [ “报告长度控制在2页A4纸以内。”, “避免使用过于技术化的术语确保非技术干系人能理解。”, “所有提及的任务必须关联Jira任务编号。”, “不得披露任何未公开的代码或设计细节。” ], “evaluation_criteria”: [ “结构完整性是否包含所有规定的章节”, “数据准确性引用的任务和提交信息是否与数据源一致”, “可读性语言是否流畅、专业”, “风险覆盖是否明确识别了至少一个风险或问题” ] }规范确认可选系统可以将此规范以友好形式展示给用户“我将通过以下步骤为您生成周报1...2...3...报告将包含...并遵守...限制。您是否同意或需要修改”用户确认后智能体再开始执行。4.3 执行与自我验证智能体依据规范中的步骤依次调用Jira API、Git API获取数据然后调用LLM进行内容撰写。在生成初稿后它会启动一个自我验证子流程检查结构程序化检查生成的Markdown是否包含了规范中output_format要求的所有二级标题。检查约束计算字数是否超限运行一个简单的术语检测器看是否有过于晦涩的术语。检查数据将报告中引用的JIRA编号与API拉取的数据进行比对确保存在且状态匹配。如果检查不通过智能体会根据evaluation_criteria提示自己进行修改例如“检测到‘风险与问题’章节为空不符合评估标准。需要重新分析数据寻找潜在风险点。”5. 关键挑战与应对策略在实际落地“规范自发现”模式时你会遇到几个典型的挑战5.1 规范发现的“幻觉”与不一致性LLM在推理规范时可能“发明”出上下文中不存在的、或不合理的规范。对策强化上下文检索的精度确保提供给发现引擎的上下文是高度相关且权威的。采用多路检索、重排序和来源引用。引入“规范验证”步骤在发现规范后增加一个独立的验证环节。可以用另一个LLM调用采用不同模型或提示以“批判者”身份评估发现的规范是否与上下文一致、是否可行。设置规范模板与边界为常见任务类型预定义一些规范模板或框架让发现引擎在框架内发挥而不是完全自由发挥。例如周报的章节结构可以预先定义好发现引擎只需填充具体步骤和约束。5.2 上下文管理与信息过载过多的上下文信息可能导致LLM注意力分散抓不住重点或者检索到无关信息污染规范。对策动态上下文窗口管理不是把所有检索到的内容都堆给LLM。采用“摘要-细节”分层策略。先给LLM看关键信息的摘要或元数据如果它需要更深度的某一部分信息再通过函数调用Function Calling动态拉取该部分的详细内容。基于任务类型的上下文过滤在检索后根据任务类型对结果进行过滤。例如对于“写代码”任务优先过滤出代码示例和API文档对于“分析”任务优先过滤出分析报告模板和数据字典。迭代式规范发现允许规范发现过程是迭代的。第一轮发现一个初步规范基于此规范再去检索更针对性的上下文然后 refinement 规范。这模拟了人类“先定大纲再找资料再完善计划”的过程。5.3 执行过程中的规范漂移智能体在执行复杂、多步骤任务时可能会在后续步骤中偏离最初发现的规范。对策将规范作为持久化上下文在整个执行工作流中将最初发现的规范作为一个核心的、不可变的系统指令或参数传递给每一个子步骤或工具调用。定期检查点与对齐在关键步骤完成后设置检查点。让智能体暂停回顾已完成的输出并与原始规范进行比对确保没有偏离。这可以通过一个简单的提示来实现“请根据以下初始规范检查当前输出是否符合要求...”。设计自省Introspection机制让智能体具备在每一步之前“复述”当前步骤目标和规范要点的能力。这能强化其目标感。5.4 评估与持续优化如何衡量“规范自发现”智能体的表现如何持续改进对策建立黄金标准测试集收集一批典型任务并人工编写或标注出“理想”的规范。用这些任务测试智能体对比其自发现的规范与黄金规范的差距可用文本相似度、关键要素召回率等指标。追踪与日志分析详细记录每一次规范发现的输入上下文、输出规范以及最终任务的执行结果。分析哪些上下文对发现高质量规范贡献最大哪些类型的任务规范发现容易出错。A/B测试对于生产系统可以并行运行“基于自发现规范的智能体”和“基于固定提示词的智能体”通过关键结果指标如任务完成率、用户满意度、人工修正次数来评估新范式的实际收益。6. 进阶应用场景与未来展望“规范自发现”的能力一旦成熟其应用场景将远超简单的周报生成。复杂业务流程自动化例如处理客户投诉邮件。智能体能从历史工单、处理手册、法规文件中自行发现处理规范先分类紧急程度再根据投诉类型匹配解决方案模板需在24小时内回复并需抄送法务部。然后自动执行。个性化教育与辅导给定一个学生的学习目标和历史错题本智能体能发现针对该生的“个性化复习规范”先集中攻克某个薄弱知识点采用视频练习题模式每天时长控制在30分钟每周进行一次综合测试。动态系统运维面对服务器告警智能体能从运维手册、历史事故报告、系统拓扑图中发现“故障排查规范”先检查相关服务的日志和指标再隔离疑似故障实例然后按照既定预案进行回滚或扩容。跨模态任务规划结合视觉、语音等多模态上下文。例如看到一张杂乱房间的照片和用户语音“收拾一下”智能体能从家居整理指南和用户偏好中发现整理规范先清理桌面杂物再将书籍按大小排列上架最后用吸尘器清洁地板。未来的演进方向我认为会集中在规范的可解释性与可编辑性智能体不仅要发现规范还要能用自然语言解释“我为什么这样规划”并允许人类以自然交互的方式对规范进行实时调整。规范的组合与复用像乐高积木一样将小型任务的规范组合成复杂任务的规范。建立“规范库”实现跨任务、跨领域的规范迁移学习。从“发现”到“协商”在多人协作场景中智能体可能需要与多个人类或其他智能体交互通过“协商”来共同发现和确立一个各方认可的规范。这条路还很长但“Agentic Context Learning with Self-Discovered Specification”无疑指出了一个激动人心的方向构建真正能理解意图、自主规划、可靠执行的AI伙伴而不仅仅是一个需要精确操控的提示词响应器。它要求我们将智能体系统的设计重心从如何编写完美的指令转移到如何构建能让智能体自主学习和理解的知识环境与推理机制上。这不仅是技术的升级更是设计思维的转变。