FlashScript: Compiling Recurring Agent Workflows into Reusable Neuro-Symbolic Programs
FlashScript：将重复 Agent 工作流编译为可复用神经符号程序
🧭 Agent 轨迹编译为可复用神经符号程序 ★ 深度解读
University of Southern California · Microsoft
把成功 Agent 轨迹固化为代码加局部 LLM 调用的神经符号程序，实现一致、可泛化且低成本复用
📌 工作参考价值（4 点）
- 高频运营/数据工作流（周报、选品监控、广告复盘、搜索 query 改写评估）可以先跑通一次，再用 FlashScript 思路固化：工具操作写死为代码，只有模糊判断（如“是否作弊”“是否敏感词”“是否价格异常”）保留为 llm<T> 调用；后续执行一致，token 成本大幅下降。
- 三层划分可直接迁移到推荐/Agent pipeline：输入层做非结构化请求到结构化参数的映射，计算层把阈值/规则判断写成代码，输出层只做文案渲染；这能显著减少 LLM 调用次数，适合构建低延迟线上服务。
- 三个降本技巧可直接复用：caching 观测值 + guard（已知类目 ID 直接用缓存，新类目才问 LLM）；codifying 把可规则化的审核/过滤写成正则或阈值；clubbing 把多个独立判断合并成一个 LLM 请求或并行调用，适合批量处理商品/内容理解。
- 如果业务里要让 Agent 重复执行某类任务，优先要求它生成可执行的 NSP，而不是 skill 提示；NSP 的可测试性更强，能把 symbolic shell 与 neural calls 分开做单元/回归测试，便于上线和运维。