意图、AOP 与控制¶
English | 中文
来源： Huiwen Han, Intent-Conditioned Computation (2026), doi:10.22541/au.177524397.72082163/v1; Agent-Oriented Programming: Foundations of a Semantic Paradigm for the LLM Era (2026), doi:10.2139/ssrn.6563278。
在存储程序计算中，开发者规定控制流；在意向条件计算中，开发者规定意图、约束和反馈， 由模型决定执行路径。
意向条件计算（IIC）¶
IIC 是面向基础模型系统的补充抽象。它不替代经典计算，而是指出控制重心的转移：
| 存储程序计算 | 意向条件计算 |
|---|---|
| 程序编码显式控制流 | 意图条件化一个学习到的策略 |
| 执行是确定性的 | 执行是概率性、上下文相关的 |
| 正确性由程序定义 | 正确性必须被规格化并评估 |
| 输入是数据 | 上下文、知识、控制都是一等公民 |
IIC 识别五个功能角色：
- 模型能力 — 学习到的策略引擎。
- 控制意图 — 目标、约束与反馈。
- 外置知识 — 检索上下文与知识基底。
- 确定性代码 — 必须可复现的部分。
- 数据 — 输入与状态。
核心实践主张是分层：现代系统混合确定性基础设施与意向条件推理。关键是判断哪部分属于 哪种范式。
Agent-Oriented Programming（AOP）¶
AOP 把论证推进到编程范式。开发者规定意图、约束和反馈；语义 Agent 决定执行路径。
论文提出 Semantic Agent Framework（SAF），一个七元素模型
SAF = (G, O, C, A, D, R, F)，并锚定在统一执行公式：
E(Cap, Intent, Context, Control) → O
该框架分离了常被压缩进一个提示词中的关注点，尤其是：
- G — 目标规格；
- D — 知识基底；
- R — 治理约束。
把“提示词”当作一个整体，会混淆这些层。论文称之为 Prompt Conflation Fallacy。
为什么对架构重要¶
- 规格是瓶颈。 当生成变便宜，意图、约束和验收标准的精确性成为稀缺输入。
- 治理不是上下文。 放在上下文窗口里的规则，不等于被执行的约束。
- 混合才是设计。 需要可复现的地方保留确定性代码；需要灵活性的地方使用意向条件推理。
- 意图必须可检查。 如果目标不可检查，系统就无法被验证。
与 AxisVela 的映射¶
- PRAXO-CORE 分离循环、模型、工具、策略、沙箱、记忆和事件 —— 这些接缝让 IIC 可落地。
- TAXOVELA 是 IIC 论文引用的 ArchHarness 案例：一个混合确定性 门禁与意向条件设计工作的工作流。
- ORCHADYN 把目标与约束变成显式计划； MODUREGIS 分离能力治理； TEKMOVELA 把验收标准变成验证契约。
要点¶
- 分别规定意图、约束和反馈。
- 不要把治理只放在提示词里。
- 为必须可复现的部分保留确定性主干。
- 让目标可检查，否则无法验证 Agent。