論文の概要: ReusStdFlow: A Standardized Reusability Framework for Dynamic Workflow Construction in Agentic AI

• arxiv url: http://arxiv.org/abs/2602.14922v1
• Date: Mon, 16 Feb 2026 16:56:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-17 16:22:50.552466
• Title: ReusStdFlow: A Standardized Reusability Framework for Dynamic Workflow Construction in Agentic AI
• Title（参考訳）: ReusStdFlow:エージェントAIの動的ワークフロー構築のための標準化された再利用性フレームワーク
• Authors: Gaoyang Zhang, Shanghong Zou, Yafang Wang, He Zhang, Ruohua Xu, Feng Zhao,
• Abstract要約: ReusStdFlowは、新しい抽出・構築のパラダイムを中心にしたフレームワークである。 それは、トポロジ構造と機能的セマンティクスの両方の検索を容易にするために、二重知識アーキテクチャ統合グラフとベクトルデータベースを利用する。 200の現実世界のn8nでテストされ、抽出と構築の両方で90%以上の精度を達成している。
• 参考スコア（独自算出の注目度）: 11.130786494338876
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To address the ``reusability dilemma'' and structural hallucinations in enterprise Agentic AI,this paper proposes ReusStdFlow, a framework centered on a novel ``Extraction-Storage-Construction'' paradigm. The framework deconstructs heterogeneous, platform-specific Domain Specific Languages (DSLs) into standardized, modular workflow segments. It employs a dual knowledge architecture-integrating graph and vector databases-to facilitate synergistic retrieval of both topological structures and functional semantics. Finally, workflows are intelligently assembled using a retrieval-augmented generation (RAG) strategy. Tested on 200 real-world n8n workflows, the system achieves over 90% accuracy in both extraction and construction. This framework provides a standardized solution for the automated reorganization and efficient reuse of enterprise digital assets.
• Abstract（参考訳）: 本稿では,企業エージェントAIにおける「再利用可能性ジレンマ」と構造幻覚に対処するため,新しい「抽出-記憶-構築」パラダイムを中心としたフレームワークであるReusStdFlowを提案する。 このフレームワークは、不均一でプラットフォーム固有のドメイン特化言語(DSL)を標準化されたモジュール化されたワークフローセグメントに分解します。 これは、トポロジ構造と機能的意味論の両方の相乗的検索を容易にするために、二重知識アーキテクチャ統合グラフとベクトルデータベースを用いる。 最後に、ワークフローは検索強化世代(RAG)戦略を用いてインテリジェントに組み立てられる。 200の現実世界のn8nワークフローでテストされたこのシステムは、抽出と構築の両方で90%以上の精度を達成している。 このフレームワークは、エンタープライズデジタル資産の自動化された再編成と効率的な再利用のための標準化されたソリューションを提供する。

関連論文リスト

• AI Agent for Reverse-Engineering Legacy Finite-Difference Code and Translating to Devito [0.0]
  本研究では,従来の有限差分実装のDevito環境への変換を容易にする統合AIフレームワークを開発する。 Retrieval-Augmented Generation (RAG)とオープンソースのLarge Language Modelsは、システムのハイブリッドLangGraphアーキテクチャにおいて、マルチステージ反復によって結合される。
  論文  参考訳（メタデータ） (2026-01-26T11:31:00Z)
• A Lightweight Modular Framework for Constructing Autonomous Agents Driven by Large Language Models: Design, Implementation, and Applications in AgentForge [1.932555230783329]
  LLM駆動の自律エージェントの構築を民主化するために設計された軽量でオープンソースのPythonフレームワーク。 AgentForgeは、(1)正式に定義された入出力契約できめ細かいタスク分解を可能にする構成可能なスキル抽象化、(2)クラウドベースのAPIとローカル推論エンジンのシームレスな切り替えをサポートする統一されたバックエンドインターフェース、(3)エージェントロジックと実装の詳細を分離する宣言型YAMLベースの構成システムである。
  論文  参考訳（メタデータ） (2026-01-19T20:33:26Z)
• ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
  本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。 オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。 我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2026-01-16T08:23:52Z)
• Monadic Context Engineering [59.95390010097654]
  本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。 我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。 この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
  論文  参考訳（メタデータ） (2025-12-27T01:52:06Z)
• IACT: A Self-Organizing Recursive Model for General AI Agents: A Technical White Paper on the Architecture Behind kragent.ai [0.0]
  対話型エージェントコールツリー(Interactive Agents Call Tree, IACT)は、ユーザ対話によって純粋に駆動される汎用的な自律システムである。 我々は,このモデルをKragent.aiシステムに導入する際のアーキテクチャ,設計原則,実践的な教訓について述べる。
  論文  参考訳（メタデータ） (2025-12-02T10:10:56Z)
• Affordance Representation and Recognition for Autonomous Agents [64.39018305018904]
  本稿では,構造化データを用いた世界モデリングのためのパターン言語を提案する。 DOMトランスダクションパターンは、Webページの複雑さの課題に対処する。 Hypermedia Affordances Recognition Patternは、エージェントがその世界モデルを動的に強化することを可能にする。
  論文  参考訳（メタデータ） (2025-10-28T14:27:28Z)
• A Lightweight Large Language Model-Based Multi-Agent System for 2D Frame Structural Analysis [21.13581042992661]
  大規模言語モデル(LLM)は、工学における自律的エージェントの強化に最近使用されている。 本稿では、2次元フレームの有限要素モデリングを自動化するLLMベースのマルチエージェントシステムを提案する。 このシステムは10回の試行で80%以上の精度を達成し、Gemini-2.5 ProとChatGPT-4oモデルを上回っている。
  論文  参考訳（メタデータ） (2025-10-06T22:12:52Z)
• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。