KAIJU: 面向意图门控执行的LLM智能体执行内核
软件工程
2026-04-06 v1 编程语言
摘要
基于ReAct使用大语言模型的工具调用自主智能体存在三个局限：串行延迟、二次上下文增长，以及对提示注入和幻觉的脆弱性。近期研究趋向于将规划与执行分离，但在每种情况下模型仍与执行机制耦合。我们提出了一种面向LLM代理的系统级抽象，将智能体工作流的执行与LLM推理层解耦。我们定义了两个一等抽象：(1) 意图门控执行（IGX），一种在执行时强制意图的安全范式；(2) 一个执行内核，用于管理调度、工具分发、依赖解析、故障和安全。在KAIJU中，LLM预先规划，以依赖感知的参数注入方式乐观地并行调度工具。工具通过IGX基于四个独立变量进行授权：范围（scope）、意图（intent）、影响（impact）和许可（clearance，外部审批）。KAIJU支持三种自适应执行模式（Reflect、nReflect和Orchestrator），提供逐步精细化的执行控制，适用于复杂调查、深度分析或研究。相对于ReAct基线的实证评估表明，KAIJU在简单查询上因规划开销而存在延迟惩罚，在中等复杂度下收敛，在需要并行数据收集的计算查询上具有结构性优势。除延迟外，这种分离强制执行了仅通过提示无法实现的ReAct所不具备的行为保证。代码可在 https://github.com/compdeep/kaiju 获取
引用
@article{arxiv.2604.02375,
title = {KAIJU: An Executive Kernel for Intent-Gated Execution of LLM Agents},
author = {Cormac Guerin and Frank Guerin},
journal= {arXiv preprint arXiv:2604.02375},
year = {2026}
}