WorkflowOps 是一个面向多代理系统的工作流编排框架，能够从历史工作流中学习代理协作先验，并在需要时动态扩展代理池以满足新能力需求。框架核心包含三套耦合机制。\ \ 第一套机制使用转移概率矩阵 $P_{ij}$ 记录过去工作流中代理 $i$ 与代理 $j$ 的协作频次，在构建有向无环图（DAG）时提供软约束。具体做法包括：在同层内部进行顺序优化，以提升整体成功率；基于概率阈值的边缘建议，仅保留高置信度的转移；以及通过传递闭包的削减实现并行度最大化。\ \ 第二套机制是基于充分性检测的代理创建循环。系统通过语义匹配得分发现能力缺口，随后调用大语言模型（LLM）生成专用代理，并将新代理直接注入协作矩阵，使其立即拥有预测的协作先验，从而实现零等待上线。\ \ 第三套机制采用分层语义匹配策略。首先利用预训练句向量进行快速、确定性的能力匹配；仅在匹配置信度低时才触发 LLM 验证，从而将纯 LLM 路由调用量降低超过 80%。\ \ 实验在混合代码、数学和问答套件上进行，结果表明 WorkflowOps 在端到端通过率上显著优于近期的工作流构建基线，尤其在结构化、可分解任务上收益最大，因为过去的代理交接模式能够有效迁移。\ \ 点评