任务规划需要生成既满足用户意图又遵守子任务依赖的工作流。传统规划器在顺序或有向无环图（DAG）结构上表现良好，但面对验证‑纠错循环、分支合并以及可复用中间状态等真实工具编排模式时常出现失效。
TopoPlanner 提出一种拓扑一致的规划框架，将工具依赖图提升为细胞工作流复合体（cellular workflow complex），并将其作为拓扑感知上下文供 LLM 进行工具序列生成。框架的核心步骤包括：
- 通过余层一致（cosheaf‑consistent）细胞检索，从全局复合体中抽取与请求相关的闭合子复合体；
- 在检索得到的子复合体上执行多维结构推理，捕获循环、合并以及循环‑合并等拓扑特征；
- 将推理得到的细胞表示转化为提示，喂入规划 LLM，生成符合拓扑约束的工具序列。
在四个包含拓扑导向循环、合并和循环‑合并工作流的工具规划基准上，TopoPlanner 相比基于提示的纯文本方法和图增强基线均实现了稳定的性能提升，且在不同本地 LLM 骨干模型下表现一致。
点评