Credo：可复用的声明式原语，助力 Agent 工作流

arXiv:2608.27790v1 Announce Type: new Abstract: 一个 LLM 应用同时依赖模型和 harness：后者是决定每次调用看到什么、进行多少次调用、以及信任哪些答案的程序。Coding agent 现在可以通过搜索候选程序来发现强大的 harness，但得到的产物是一团不透明的命令式代码块，其逻辑步骤、运行时信号、物理执行决策和 prompt 策略都隐式存在且任务专属，迫使后续任务不得不从零开始 harness 搜索过程。然而，复用的潜力是巨大的。一个搜索得到的 harness 编码了大量知识，例如有效的逻辑步骤、关键的信号、自适应执行的物理算子决策、以及有效的 prompt 策略，但这些知识都埋藏在命令式代码中，没有可检查或可复用的结构，也不携带任何来源或元数据。Credo 通过恢复搜索所得 harness 的结构化声明式描述来解决这一问题，为每个提取出的原语标注相关元数据，并以来源信息对所有内容进行编目。随后，编译器可以将存储的原语绑定起来，为新的任务生成 harness，而无需从零开始搜索。本文提供了初步结果，展示了我们方法的潜力，并提出了一个数据库社区有能力承担的相关研究议程，包括基于代价的声明式编目编译，以及模型与负载漂移下的编目维护。