Harrison Chase(@hwchase17)

I like this framing a lot: agent improvement is harness improvement, not model improvement The inte...

8.5内容质量
I like this framing a lot: agent improvement is harness improvement, not model improvement The inte...

TL;DR · AI 摘要

代理改进应聚焦于工具链优化而非模型本身，通过调整工具边界实现性能提升。

核心要点

  • 工具链优化（harness improvement）是提升代理性能的关键，而非直接改进模型。
  • 2026年EMNLP论文提出，通过选择性编辑工具边界实现预算约束下的优化。
  • LangSmith和deepagents框架支持在工具边界进行度量和恢复机制设计。

结构提纲

按章节快速跳转。

  1. §核心观点

    代理改进应聚焦于工具链而非模型本身。

  2. ·工具边界优化

    关键干预点包括上下文传递、工具提供时机、失败恢复机制。

  3. ›论文贡献

    2026年EMNLP论文提出预算约束下的工具边界优化方法。

  4. ·框架支持

    LangSmith和deepagents提供工具边界度量与恢复实现。

思维导图

用一张图看清主题之间的关系。

查看大纲文本（无障碍 / 无 JS 友好）
  • 代理系统优化
    • 工具链优化
      • 上下文传递
      • 工具提供时机
      • 失败恢复机制
    • 论文贡献
      • 预算约束优化
      • 选择性编辑方法
    • 框架实现
      • LangSmith
      • deepagents

金句 / Highlights

值得收藏与分享的关键句。

#LLM#工具链优化#代理系统#EMNLP 2026
打开原文

Harrison Chase on X: "I like this framing a lot: agent improvement is harness improvement, not model improvement The interesting interventions are often at the tool boundary: - what context you pass - when tools are provided - how you recover from failure - what gets measured afterward That’s the… / X

Harrison Chase

@hwchase17

我非常喜欢这种表述方式：智能体的改进是工具链的改进，而非模型本身的改进。有趣的操作往往发生在工具边界：

  • 传递的上下文内容
  • 工具提供的时机
  • 如何从失败中恢复
  • 后续测量的内容

这就是我们围绕 deepagents（编排逻辑）和 LangSmith（测量方式）构建的循环

Arky Yang

@arkyyang

9h

超越提示：测量和优化 LLM 工具-代理工具链 —— 新论文（arXiv，2026年9月4日；已被EMNLP 2026接受）

arxiv.org/abs/2609.05736

将固定模型的工具链优化视为预算化选择：编辑是工具边界处的拦截操作，而非模型重写

显示更多

下午4:15 · 2026年9月9日

6.6K

次浏览

26

5

61

58