Control-Data Flow Separation：多智能体 LLM 的稳定提示词优化方法

针对多智能体 LLM 系统中提示词同时承担内容生成与执行协议两种角色、优化时易破坏路由与格式协议的问题，研究者提出 control-data flow separation，将执行关键的控制逻辑表示为带类型、可验证的程序对象，任务相关语言则保留为可优化的数据流。在合成推理、协作评审生成和保险评级三类工作流中，该框架实现 100% 最终协议有效性，并持续提升任务表现。