Agentic工作流程的可解释模型路由

现代的 agentic 工作流程将复杂任务分解为 specialized subtasks 并路由到多样化的模型以最小化成本而不牺牲质量。然而，当前的路由架构仅关注性能优化，未记录模型能力与成本之间的底层权衡。缺乏清晰的理由，开发者无法区分智能效率——针对合适任务使用 specialized 模型——与因预算驱动模型选择导致的隐性失效。我们提出Topaz框架，引入 agentic 路由的正式可审计性。Topaz用本构可解释路由器取代沉默的模型分配，路由器包含三个组件：(i) skill-based profiling 将多样化基准测试的性能综合到细粒度能力轮廓；(ii) 完全可追溯的路由算法利用基于预算的多目标优化，产生清晰的技能匹配得分如何在得分和成本之间权衡的痕迹；(iii) 开发者导向的解释将这些痕迹转化为自然语言，允许用户审计系统逻辑并迭代调优成本-质量权衡。通过使路由决策可解释，Topaz使用户能够理解、信任并对路由 agentic 系统进行有意义的引导。