仓库运营靠标准作业规程（SOP）运转：从机器人输送线在几分钟内把阈值越界追到根因，到库存工单逐条查询状态、校验约束、跨多个系统提交实物拣选，都是带规定步骤、依赖关系、量化阈值和硬约束的决策路径。这些流程目前大量靠人工执行，慢且易错，诊断延迟直接吃掉吞吐。但智能体框架 ReAct、Reflexion 这类做法只给了松散的结构化提示，没有强制遵守SOP的机制，能力再强的模型也可能偏离规定路径。
更麻烦的是上下文过载：把完整SOP塞进视野，复杂流程会压垮模型选择相关动作的能力。arXiv 上的 Eluna 给出的解法是，把SOP本身变成智能体能读懂的执行结构。
五种节点与两种披露粒度
每条SOP被编码成有向无环图（DAG），节点分五类：观察（可检测条件）、根因（诊断出的原因）、计算（指标分析）、约束（前置条件）、动作（处置）。每个节点带参数化规格，定义评估过程，输出布尔值、分类结果或计算值。边表示依赖：单节点边按父节点的布尔结果激活子节点，多节点边要求多个父节点同时成立。
完整图不能一次给。检索工具从触发节点做广度优先搜索，只返回可达子图，包含节点类型、边关系和简要描述；每个节点的完整规格——评估逻辑、所需工具调用、阈值——要等智能体真正开始评估它时才取。工作上下文被限制在一个节点，避免在多分支路径里混淆、漏节点或钻进无关子树。
主智能体遍历，子智能体并行
框架是两层结构：主智能体持有检索到的子图，按边依赖挑出下一批待评估节点，发出委派调用；子智能体拿到全新上下文，只包含被分配节点的规格、角色指令和工具。动作节点留在主智能体，因为它们需要图级状态来做排序和约束检查。
同一轮发出的多个委派并行执行，墙钟时间约等于最慢的一次评估。只有结构化结论回流，主智能体的上下文每节点只增加一条摘要，而不是整段调查历史；子智能体会话保留，主智能体可追问细节而不必重跑；子智能体不能再派生下级。每个用例打包成一个Skill：决策图、专用工具、节点规格、执行指令按需加载，新流程不必另建系统。
非对称情节蒸馏
训练分三步。强教师模型在完整框架内生成轨迹，情节学习（episodic learning）把过去错误的文本记忆注入提示，在不改权重的情况下迭代修正；随后用拒绝采样加LLM裁判，只留下正确轨迹；最后让满足生产延迟SLA的学生模型在这些轨迹上微调，并把情节记忆剥离。
所谓“非对称”，指情节学习只作用在教师侧。学生训练和推理都看不到记忆，必须把修正内化进权重，运行时不需记忆库。实验用LoRA微调Qwen3-32B与GLM-4.5-Air，训练样本8525条；教师GLM-4.7有355B参数，因延迟不达标只作轨迹生成器。
结果
评测分三块：13类任务、1400条样本的运营推理基准；1500个真实场景的机器人输送诊断；以及一条46节点库存归并SOP、410张真实工单，由专家标注评估。在两个可确定真值的任务上，细调模型平均比基线高6.5%（Eluna-G）和6.0%（Eluna-Q），并匹配教师；未微调的Qwen3-32B平均低于基线38%。端到端执行中，观察二分类正确率提升逾49%，根因逾73%，动作精确匹配提升165%；中位端到端延迟下降约54%。工单应用上，专家一致率达到94%。
这套方法的启示不在“让模型更会推理”，而在把流程约束从提示词里拿出来，变成图结构、节点规格和训练信号。流程越复杂，结构化的收益越大。
资料来源：Eluna: An Agentic LLM System for Automating Warehouse Operations with Reasoning and Task Execution — arXiv（2026）。本文为技术要点整理/编译，非原文全文。