غالبًا ما تفقد نماذج اللغة الكبيرة (LLM) المستخدمة كوكلاء مسار الأهداف في المهام الطويلة، وتكرر الإجراءات أو تستخدم الأدوات بشكل غير صحيح. لمعالجة هذا، يقدم باحثون من Google وGeorgia Tech وPeking University الرسم البياني الإجرائي—ذاكرة منظمة تخزن المعرفة الإجرائية كثلاثيات (إجراء، علاقة، إجراء)، على غرار كيفية تخزين الرسوم البيانية المعرفية للحقائق. في كل خطوة، تحدد العقدة النشطة للوكيل معلومات الرسم الفرعي ذات الصلة، والتي يحولها نموذج إرشادي إلى نصائح سياقية تحيز ولكن لا تملي الإجراء التالي. يتطور الرسم ذاتيًا: يقوم مصقل LLM بمقارنة المسارات الفاشلة والناجحة، وتحرير طوبولوجيا الرسم وسماته، ولا يلتزم إلا بالتغييرات التي تحسن أداء التحقق المحتفظ به. يتم الاحتفاظ بالتعديلات المرفوضة لتجنب تكرار الأخطاء. بدءًا من هيكل أدنى، تبني هذه الطريقة رسومًا بيانية تطابق أو تتجاوز تلك المصممة يدويًا، ويمكنها إصلاح الأولويات الخبيرة المعيبة. عبر مجموعات بيانات متعددة وأنواع مهام وLLM أساسية، يتفوق الرسم الإجرائي باستمرار على خطوط الأساس القائمة على الذاكرة، مع إضافة التطور الذاتي مكاسب إضافية دون هندسة يدوية.