立即就绪：LOOP技能引擎通过一次性记录和确定性回放实现99%成功率并削减99%代币用量

# 开箱即用：LOOP技能引擎通过一次性录制与确定性重放实现99%成功率并削减99%的Token用量

来源：https://arxiv.org/abs/2605.14237  
查看PDF（https://arxiv.org/pdf/2605.14237）

> **摘要：**  
> 将AI代理部署于周期性重复任务时，会暴露一个关键矛盾：大型语言模型（LLM）在工具编排方面具有无与伦比的灵活性，但其固有的随机性会导致不可预测的失败，且反复调用会产生高昂的Token成本。我们提出LOOP技能引擎，通过一次性录制、确定性重放的范式，将周期性代理任务的综合成功率提升至99%，同时减少99%的Token用量。在首次运行时，代理利用完整的LLM推理执行任务，而系统则透明地拦截并记录完整的工具调用轨迹。随后，一种贪婪的降序模板提取算法将此录制结果转换为参数化的、无分支的Loop技能——这是一个确定性的执行计划，它捕获任务的功能意图，同时将依赖于时间和结果变化的变量参数化。所有后续执行完全绕过LLM：引擎将模板变量与实时数值解析，并确定性重放工具序列。我们证明两个定理：(1) 重放确定性——已验证的Loop技能的步骤序列在全部未来执行中保持不变；(2) 写入安全性——通过可重入锁和原子文件替换将对持久配置的并发访问串行化。在涵盖从5分钟到24小时间隔的周期性代理任务基准测试中，Loop技能引擎将月Token消耗降低93.3%–99.98%，执行延迟减少8.7倍，同时消除输出非确定性。多层降级策略确保任务永不停滞。我们将该引擎作为buddyMe开源代理框架的一部分发布。

## 提交历史

来自：Xiaohua Wang [查看电子邮件（https://arxiv.org/show-email/fe323865/2605.14237）]  
**[v1]** 2026年5月14日，星期四，01:05:35 UTC（329 KB）