当前LLM智能体的核心痛点 - 任务成功率低，复杂任务时Agent容易卡在某个步骤不知所措 [1] - 任务执行效率差，完成简单任务需进行几十轮交互，耗时漫长 [1] 图形用户界面（GUI）的设计缺陷 - GUI为人类设计，其命令式交互模式与LLM能力模型背道而驰 [3] - GUI功能访问依赖导航和交互，控件隐藏在层层菜单后，需高频"观察-操作"循环 [3] - GUI基于人类四大关键假设：精于视觉识别、操作循环快、记忆容量小、擅长做选择题，这些与LLM能力完全错配 [3][5] 声明式接口（GOI）的解决方案 - 核心思路是将接口从"命令式"转换为"声明式"，实现策略与机制分离 [4][7] - GOI接管繁琐的底层机制操作，为LLM提供三个声明式原语：访问、状态和观察 [9] - LLM只需下达高层指令，GOI自动完成所有中间GUI导航和交互，无需修改应用程序源代码 [9][14] GOI的技术实现路径 - 实现分为离线建模和在线执行两个阶段 [10] - 离线阶段自动探索应用控件，构建UI导航图，并通过算法转换为路径清晰的森林结构 [12] - 在线阶段LLM调用声明式接口，直接访问目标功能、设置控件状态或获取结构化信息 [12][13] GOI的性能提升效果 - 在OSWorld-W基准测试中，使用GPT-5模型时成功率从44%提升至74% [15] - 超过61%的成功任务仅用一次LLM调用即完成 [16] - 失败原因从53.3%的机制性错误转变为81%的策略性错误，GOI有效降低了机制层面的失败可能 [18]