Credo: Declarative Control of LLM Pipelines via Beliefs and Policies
Di cosa parla
Credo propone di rappresentare lo stato di un sistema agente come un insieme di "credenze" — informazioni che il sistema ritiene vere — e di governarne il comportamento tramite regole dichiarative che operano su queste credenze. L'idea è sostituire logiche nascoste e memorie temporanee, spesso fragili e difficili da verificare, con un piano di controllo basato su uno spazio di stato condiviso, in modo che scelte operative (per esempio quale modello usare, come recuperare informazioni o quando rieseguire un passaggio) siano guidate dalle regole senza cambiare il codice della catena di elaborazione.
Cosa permette di osservare
Permette di esplorare se descrivere il comportamento degli agenti con credenze e regole dichiarative renda i sistemi più adattativi, verificabili e componibili rispetto all'approccio tradizionale basato su cicli di controllo e memoria effimera.
Dalla fonte
Agentic AI systems are becoming commonplace in domains that require long-lived, stateful decision-making in continuously evolving conditions. As such, correctness depends not only on the output of individual model calls, but also on how to best adapt when incorporating new evidence or revising prior conclusions. However, existing frameworks rely on imperative control loops, ephemeral memory, and prompt-embedded logic, making agent behavior opaque, brittle, and difficult to verify. This paper introduces Credo, which represents semantic state as beliefs and regulates behavior using declarative policies defined over these beliefs. This design supports adaptive, auditable, and composable execution through a database-backed semantic control plane. We showcase these concepts in a decision-control scenario, where beliefs and policies declaratively guide critical execution choices (e.g., model…