GraphPlanner：面向多智能体大语言模型的图记忆增强型智能体路由

针对现有路由方法难以适应复杂智能体场景的问题，本文提出 GraphPlanner，一种基于异构图记忆增强的多智能体大模型路由系统。该方法将工作流生成建模为马尔可夫决策过程，动态选择大模型骨干与智能体角色（规划者、执行者、总结者）。通过构建 GARNet 异构图捕捉查询、智能体与响应间的交互记忆，整合历史与工作流记忆以丰富状态表示，并利用强化学习联合优化任务性能与计算效率。实验表明，该系统在准确率与资源节省上均显著优于现有基准。