RunAgent：基于约束引导执行的自然语言计划解释

人类通过执行针对性计划解决问题，但大语言模型在结构化工作流执行上仍不可靠。本文提出 RunAgent，一个多智能体计划执行平台，通过约束和评分标准强制逐步执行，以解释自然语言计划。该系统引入包含显式控制结构（如 IF、GOTO）的智能体语言，桥接自然语言的表达力与编程的确定性。RunAgent 不仅能验证步骤输出，还能自主推导并验证基于任务描述的约束，动态选择推理、工具使用或代码执行策略，并结合纠错机制确保正确性。此外，系统通过过滤上下文历史仅保留相关信息。实验表明，RunAgent 在 Natural-plan 和 SciBench 数据集上优于基线模型及最先进计划生成方法。