长时程自主智能系统通常由大语言模型、数据库、外部 API、规则引擎等异构组件构成，执行期间外部状态会持续变化。若在每次状态变更后重新执行完整工作流，会产生大量冗余计算。本文提出一种基于任务事实合约、字段级依赖掩码和状态扰动结果不变域的增量一致性执行方法。首次执行时进行完整验证，并为关键输入构建保守的不变域；随后利用这些域判断下游结果是否可以在不重新调用高开销组件的情况下安全更新。需要重新执行时，仅重新计算受影响最小的输出字段，并通过等价屏障阻止不必要的下游传播。提交时的版本一致性门进一步保证副作用操作的安全性。实验在工业故障诊断、企业分析以及基于 LLM 的多工具助手场景中验证，显著降低了昂贵组件调用次数和端到端延迟，同时保持高一致性和低错误复用率。
点评