SagaLLM：面向多智能体 LLM 规划的上下文管理、验证与事务保证

本文提出了 SagaLLM，一种结构化多智能体架构，旨在解决当前基于 LLM 的规划系统的四个基础局限：不可靠的自验证、上下文丢失、缺乏事务保障以及智能体间协调不足。尽管近期框架利用 LLMs 进行任务分解和多智能体通信，但它们往往无法确保分布式工作流中的一致性、回滚或约束满足。SagaLLM 通过将 Saga 事务模式与持久记忆、自动补偿和独立验证智能体相结合来弥合这一差距。它利用 LLMs 的生成推理能力来自动化传统上需要手工编写协调逻辑的关键任务，包括状态跟踪、依赖分析、日志模式生成和恢复编排。虽然 SagaLLM 放宽了严格的 ACID 保证，但它通过模块化检查点和可补偿执行确保了工作流范围内的一致性和恢复。跨规划领域的实证评估表明，独立的 LLMs 经常违反相互依赖的约束或无法从扰动中恢复。相比之下，SagaLLM 在一致性、验证准确性和不确定性下的自适应协调方面取得了显著提升，为现实世界中可扩展的基于 LLM 的多智能体系统奠定了坚实基础。