受控执行vs运行时规划：企业分析AI如何实现100%可复现

当企业分析遇上大模型的"不确定性"

大语言模型在企业数据分析中的应用正变得越来越普遍，但一个核心矛盾始终存在：模型的灵活性同时意味着不可预测性。当一个AI代理在运行时自行规划分析路径、生成SQL、选择工具时，它可能给出正确答案，也可能悄然出错——更麻烦的是，同样的问题问两次，答案未必一致。

近期一篇发表于arXiv的研究（arXiv:2609.03209）针对这一问题提出了一种"受控执行"（governed approach）的分析范式。其核心思想颇具颠覆性：不让模型自由发挥，而是让语言模型只负责"理解问题"，由确定性的策略引擎来选择并运行预先批准的分析程序。这种设计在牺牲部分自由度的同时，换来了企业级应用最看重的东西——结果可复现、有据可查。

受控执行 vs 运行时规划：一场对照实验

两种截然不同的架构

研究对比了两种技术路线。第一种是当下流行的"运行时规划"（runtime planning）模式：让8B规模的模型在运行时自行生成SQL、选择工具、决定分析流程。实验中使用了三个不同的8B模型来执行这一角色。

第二种则是论文提出的"受控"模式：由Qwen3-8B模型仅负责解读用户意图（interpret intent），而实际的分析程序执行完全交给确定性策略引擎（policy engine）来完成。策略引擎从一组预先批准的分析程序中选择合适的一个并运行，返回结果的同时附带证据链。

表达能力并未被牺牲

有意思的是，这种"限制"并不意味着功能上的退化。研究表明，在一个明确定义的分析类别内，受控方法依然保持了足够的表达能力，涵盖了关系运算（relational operations）、聚合（aggregation）、比较（comparison）、窗口函数（windows）、排序（ranking）以及相似度（similarity）等常见分析操作。

换句话说，企业日常所需的绝大多数分析任务，都可以在这个受控框架内完成，而不必依赖模型的即兴发挥。

数据说话：110 比 0 的悬殊结果

实验规模达到440次运行（runs）。评估标准被设定为一个严格的"答案+证据契约"（answer-and-evidence contract）——即结果不仅要正确，还必须附带完整的、可验证的证据。

结果对比极为鲜明：

• 运行时规划模式：在全部330次运行时规划的实验中，没有一次能在所有测试数据集上同时满足完整的"答案+证据"契约。
• 受控执行模式：策略引擎执行的分析器，在110次测试中全部110次命中（110 of 110）。

这一悬殊的对比揭示了一个关键洞察：当评估标准从"答案大致正确"提升到"答案正确且证据完整可复现"时，让模型自由规划的方案暴露出了严重的可靠性缺陷。

可复现性从何而来

受控模式之所以能实现100%的契约达成率，根源在于其"四固定"设计：

• 固定的语义含义（fixed meaning）
• 固定的策略
• 固定的数据
• 固定的执行规则

当这四个要素都被锁定后，任何一次分析都可以被完整地"重放"（replay）——输入相同，输出必然相同。这对于金融、医疗、合规等强监管行业而言，几乎是不可妥协的硬性要求。

如何理性看待这一结论

结论的适用边界

研究者非常克制地强调了结论的边界：这是一个"特定配置下的结果"（configuration-specific result），并不能证明运行时代理在其他设计下无法成功。

这一表态相当重要。它意味着论文并非要全盘否定AI代理的运行时规划能力，而是指出：在当前这套特定的评估契约、模型规模（8B）和任务设定下，受控执行展现出了压倒性的可靠性优势。更大规模的模型、更精巧的代理设计、更宽松的评估标准，都可能改变这一结论。

对企业AI落地的三点启示

这项研究对正在探索AI分析工具的企业具有直接的现实意义：

第一，可靠性优先的场景应考虑受控架构。 对于需要审计、合规和可复现的企业分析，将模型的角色限定在"理解意图"，把执行交给确定性引擎，可能是比全自主代理更务实的选择。

第二，模型规模并非万能药。 实验使用的都是8B级别的模型。在这个规模下，运行时自主规划的可靠性明显不足，这提醒我们不应盲目相信小模型的自主决策能力。

第三，评估标准决定技术选型。 如果只看"答案对不对"，两种方案的差距可能没那么大；但一旦引入"证据完整"和"可复现"的严格契约，架构选择的重要性便凸显出来。

在灵活与可控之间寻找平衡

这篇研究的价值不在于宣告某种技术的"胜利"，而在于用440次实验的实证数据，清晰地勾勒出了企业分析AI设计中的一个关键权衡：灵活性与可控性之间的取舍。

对于追求创新和探索的场景，运行时规划的代理仍有广阔空间；但对于企业级、强监管、需要问责的分析任务，"让语言模型理解问题、让确定性策略执行分析"的受控范式，提供了一条通向可信AI的现实路径。当AI要真正进入企业的核心决策流程时，"每一次都对"远比"偶尔惊艳"更有价值。