任务生成之前，先从企业关系图里抽出一个可靠的骨架。
EntBench-Agent 的第二层是业务 motif 和 seed 子图。
我觉得这是整个任务合成里最关键的一步。因为它决定了后面 LLM 能写出什么任务，也决定这个任务能否落到真实数据库里。
1. 为什么需要 seed
LLM 很擅长把任务写得自然。
比如它可以写：
请帮我找到 Bob 对 Partner Ops Launch Checklist 的编辑权限申请，并让 Alice 审批它。这句话很像真实用户请求。
但问题在于：这句话背后的实体关系必须真实存在。
数据库里要有 Bob。
要有 Alice。
要有 Partner Ops Launch Checklist 这篇文档。
要有 Bob 对这篇文档的 pending edit permission request。
Alice 还要是有资格审批的人。
所以系统需要先抽一个结构化 seed，把真实实体和关系固定下来，再交给 LLM 改写。
seed 可以理解成任务骨架。
它里面有：
seed_id
difficulty
motif_id
domains
actors
entities
relation_evidence
initial_state
target_state
allowed_tools
forbidden_tools这样 LLM 后面写任务时，所有关键事实都有来源。
2. motif 是什么
motif 可以理解成业务任务模板。
比如：
文档权限审批
文档分享查询
会议协调
项目任务更新
入职提醒
请假审批
跨域项目协作每个 motif 都描述一种常见企业工作流。
以权限审批 motif 为例，它通常需要：
一个 requester
一个 owner
一个 document
一个 pending permission request
一个目标状态：request approved + permission granted系统会从企业关系图里找满足这个结构的局部子图。
找到之后，就形成一个 seed。
这一步很像从一张大图里切一小块可以出题的材料。
3. 难度怎么控制
PDF 里把任务难度分成 4 级。
Level 1：单节点任务
Level 2：双节点或简单关系任务
Level 3：涉及状态变化的任务
Level 4：跨业务域协调任务这个分层很有用。
Level 1 可能只是查询一个文档或用户。
Level 2 可能要找到用户和文档之间的关系。
Level 3 开始有写操作，比如审批权限、更新任务状态、修改会议。
Level 4 会跨业务域，比如文档权限、项目任务、会议协调连在一起。
这样 benchmark 才能覆盖从简单查询到复杂工作流的能力。
4. seed 子图抽取流程
整体流程大概是：
比如抽到一个文档 owner 和一个 requester，系统会继续找他们之间是否存在 permission request。
如果这个 request 状态是 pending，并且文档、权限、用户关系都对得上，就可以形成一个权限审批 seed。
seed 里还会记录 relation evidence。
比如：
pending_permission_request
request_owner
document_uploader这些证据后面很重要。
它们会帮助 compiler 构造初始数据库补丁，也会帮助 evaluator 检查最终状态。
5. 候选工具怎么筛
候选工具也在 seed 阶段确定。
系统会综合几类信号：
motif preferred tools
domain hints
entity hints
relation hints
target_state keyword hints比如权限审批 seed 涉及：
Document
PermissionRequest
DocumentPermission目标状态是 approve request 并授予 edit permission。
那候选工具就会偏向：
list_permission_requests
get_document
approve_permission_request
list_document_permissions同时，删除、取消、撤销类工具会进入高风险区域，避免出现在这个任务里。
这个筛选很重要。全量 107 个工具直接交给 LLM，工具空间太大，任务生成也会飘。
seed 阶段先把工具空间收窄，后面 LLM 的输出就更容易落地。
6. seed 的作用
seed 的作用可以总结成三点。
第一，保证实体关系真实。
任务里提到的用户、文档、会议、项目、权限请求都来自数据库。
第二，保证目标状态可落地。
任务要达成的状态可以通过现有工具和数据库字段检查。
第三，保证工具链空间合理。
LLM 在候选工具范围内生成任务草稿，后面评测也能知道应该检查哪些工具和状态。
我觉得这一层是 EntBench-Agent 里最像“出题老师”的地方。它先从企业世界里找到一块真实材料，再让 LLM 把这块材料写成自然任务。
