TopoPlanner 将工具依赖图提升为胞腔复形，在四个工具规划基准上以 2-胞腔显式建模循环与合并区域，n-F1/l-F1/ACC 全面超过 GTool 等基线

把循环、合并与复用依赖表述为胞腔工作流复形中的显式区域，给出非线性工作流的统一多维表示。 以往规划器主要依赖成对邻接或池化图摘要，循环与汇聚区域只能隐含在边中；该工作用生成树与非树边诱导的基本环把每个独立环提升为一个 2-胞腔，使区域级依赖成为显式对象。 附录 A 给出生成树可缩、基本环构成一阶同调基的证明；附录 B 的命题说明共享 2-胞腔可在常数深度内跨区域通信，并指出闭包可避免“以省略换一致”。

提出 TopoPlanner，将提升、余层一致检索、多维推理与拓扑引导规划串成一条流水线。 检索被写成闭子复形选择问题：以请求相关性为收益、以余层不一致为代价，按 PCST 风格贪心收集并保持边界闭包；随后在边界与共面关系上做跨维消息传递，并以请求感知池化得到软图 token 注入规划 LLM。 方法在正文第 3 节完整给出，训练目标为工具规划负对数似然与余层不一致正则的组合；消融显示去掉 2-胞腔、去掉检索、去掉一致性监督三种变体在 18 组骨干–域–指标比较中均低于完整模型。

构建四个基准的拓扑引导扩展，并在多种本地 LLM 骨干上取得一致提升。 扩展不是让模型自由编造样本，而是先固定目标拓扑（有向环、合并、环–合并），再由可执行脚本实例化工作流、由 LLM 在固定拓扑下生成请求，并按归一化请求与有序节点–链接结构分组切分以降低结构泄漏。 主表覆盖 HuggingFace、Multimedia、Daily Life 与 ToolBench 四个数据集和四个本地骨干；例如 ToolBench/CodeLlama-13B 上由 GTool 的 57.89/38.74/35.83 提升到 66.48/49.06/49.17，且提升在 l-F1 与 ACC 上往往比 n-F1 更明显。

结构特异性诊断显示增益与区域依赖保留相关，而非仅来自更长的输出。 在合并/复用边召回、依赖顺序、长度分组的比较中，TopoPlanner 相对 GTool 的优势在中长工作流上更大，同时长度 MAE 更低，说明改进不能仅由生成更长的工具序列解释。 804 例 7B 子组上合并/复用召回由 GTool 的 19.04/29.06 提升到 39.72/41.01；执行顺序的 Dep./Pair 指标在三个域上均提高；长度分组表显示中长工作流的增益更大而长度 MAE 更小。

该框架面向已有工具依赖图与工具清单的规划场景：提升步骤可对每个数据集/工具图预计算并缓存，请求时只做检索与编码，因此适合工具集合相对稳定、依赖关系可枚举的编排任务。对本地开源骨干，胞腔表示以软图 token 注入；对只能通过 API 访问的模型，作者保留本地提升、检索与推理模块，仅用 API 模型生成文本提案，再由本地拓扑模块做选择与图一致解码，并明确不声称对 API 模型做图 token 注入。跨域迁移实验表明，在目标域工具描述与目标依赖图仍可用时，源域检查点可迁移到未见但已描述的工具与图上。

读者仍需关注几点：其一，评测限于四个基准式工具规划数据集，无约束真实部署尚未评估，循环语义被限定为有界修订、复用或有限变换，运行时重复与终止由下游执行器或停止策略决定；其二，提升机制针对循环、合并与环–合并区域且按数据集选择，对其它高阶工作流形态是否同样有效仍是开放问题；其三，黑盒 API 设置下只能做拓扑引导的提案选择与解码，与本地图 token 注入不是同一机制；其四，配对自助法区间刻画的是固定检查点上的样本级不确定性，而非训练运行间的波动；其五，受控缺失边诊断只覆盖缺边情形，不覆盖一般性图损坏。