PolicyGuard: A Dialogue-Grounded Sub-Agent Verifier for Policy Adherence in LLM Agents

PolicyGuard是一个子agent验证器，它共享主agent的对话视图，在上下文中推理策略，并提供面向下一轮的 actionable 反馈。在 airline 领域的 tau^2-BENCH 基准上，跨三个供应商（GPT-5.4、Claude Sonnet 4.6、Gemini 2.5 Pro），PolicyGuard 将 PASS4 提升了 +12.0 / +6.0 / +12.0 pp。与参数级守卫相比，PolicyGuard 实现了更高的策略违规召回率，同时拦截次数大约减半。其核心创新在于利用全对话上下文和自我推理来执行策略，而非仅检查单次参数。

1. 可直接用于导购/agent产品：当前导购agent需要遵守商家策略（如优惠规则、退货政策），PolicyGuard的对话级验证方法比参数级拦截更适合多轮交互场景。可以集成到agent的推理循环中，作为内省步骤，提高策略遵从性。

2. 改变了技术选型判断：之前更关注单轮tool-use的合规性检查，现在意识到需要将策略验证提升到对话层面。PolicyGuard的‘子agent验证器’模式可以复用到我们的agent中，作为独立模块，不侵入主agent架构。

3. 下一步行动：深入阅读论文，尤其关注其‘自我推理’的具体实现（是prompt-based还是微调）；考虑在导购agent的system prompt中嵌入类似‘策略校验器’的步骤；如果方法简单（如纯prompt-based），立即投产试。