LLM 代理越来越多地通过模块化系统工作，例如订单、支付、库存和发货等服务。一个模块的动作会改变其他模块的合法状态转移。
传统的世界模型只拟合观测轨迹，但这不足以支撑干预时的规划。观测轨迹可能显示支付先于发货，却无法判断支付是否授权发货、库存是否在其中起中介作用，或是否存在隐藏触发因素。
我们提出 FedCausalCompose——一个因果世界模型框架，利用局部动作提供的干预‑响应证据来恢复跨模块接口。
理论分析表明：在存在未阻断的后门路径时，观测世界模型会产生不可消除的干预误差；接口恢复的质量随干预‑响应覆盖率提升；在覆盖率和局部机制误差受控的情况下，理想的因果组合可以超越非因果下界。
实验在诊断型代理环境中验证了上述预测。因果接口在结构化工具环境中收益最大，因为 API 签名直接暴露前置条件和下游效应。相反，在对话和叙事环境中，除非出现短暂的注意锚点，否则原始边列表信息往往被忽略。
结论：当跨模块接口既可统计识别又以可操作形式呈现时，因果结构对 LLM 代理具有实际帮助。
点评