1039 项任务实测：结构化 agent 交接远胜聊天摘要

ombre-ai · reddit · 2026-11-09

一项针对 agent 交接（handoff）的新基准测试了比“模型是否记得摘要”更实际的问题：接手的 agent 能否恢复相关仓库证据，并从前一个 agent 的对话、工具与文件状态中继续工作。在 1039 个任务上，论文报告结构化交接状态对每个接收模型都提升了仓库证据恢复率，对大多数模型提升了续作表现。作者据此认为“总结对话”是长程 agent 工作中错误的交接原语，并提出有用的交接应回答：决定了什么？拒绝了什么、为什么？支撑决策的证据是什么？已经试过什么？下一步的确切动作是什么？后两点尤其关键——摘要会掩盖已完成的工作。作者向 Claude Code、Codex、Cursor 等多 agent 用户征集交接文件里必写的内容。