把跑通一次的 agent 流程，编译成可复用的程序

同一个报表整理流程，agent 这个星期跑出的结果和上星期不一样——不是它变笨了，是它每次都在重新想一遍。

一、这篇论文做了什么

这是 10 月 24 日提交到 arXiv 的一篇论文（摘要页信息，以下只取摘要明确写出的内容）。作者团队指出：大量 agent 任务是重复性的，只是数据换一换；哪怕把上次运行的经验蒸馏成技能让 agent 参考，它每次仍要完整重跑流程，结果会漂移，成本也照付。

论文的做法是把一次成功的运行直接编译成可复用的神经符号程序：固定的动作和数据变换变成普通代码，随实例变化的值抽成参数，真正需要模型判断的节点才保留为模型调用。摘要称他们归纳出调用所在的三个层级，并用三种技术把大部分调用替换成了代码。编译不消灭不确定性，而是把它收拢——确定性部分和模型调用可以分开测试、分开审查。

用一个直观例子说：如果 agent 每周一要从数据库拉数、算环比、生成周报，跑通一次之后，取数和计算的步骤就能固化成普通函数，只有「这周数据异常要不要标注」这类真正需要判断的点留给模型。下次运行，程序直接执行，不再从头推理。这个例子是用来说明机制的，不是论文里的原文案例。

二、效果与边界

以下数字都出自摘要，属于论文自报口径。在 120 个分析类基准任务上，用一款轻量模型驱动时，编译出的程序每次运行都做出相同的工具调用，输入 token 用量约为「技能引导的 agent」的七十分之一，运行时间约三分之一；作为对照，技能引导的 agent 输出并不一致。在更复杂的复合任务版本上，那个对照的准确率跌到 23%，程序版保持全对且各次运行一致。程序还成功泛化到同一模板的 108 个未见实例，全部通过。

实验用的基准叫 WorkBench，主测模型是一款轻量级商业模型——摘要没有解释选它的理由，推测是为了贴近成本敏感的真实使用场景，这一点是背景推断，不是论文结论。

摘要没有给出适用领域的系统边界，复合任务上的对照崩得很快这一点，反而提示流程越复杂、越需要靠编译兜住。

三、对不同的人意味着什么

做 agent 应用的：把「跑一次成功就固化」纳入产品路线——用户重复用同一流程的场景，编译比每次推理便宜一个量级。

写论文的：这篇给了个可对照的实验设计，确定性部分与神经部分分离测试的思路，也适用于别的可复现性研究。

企业流程负责人：反复执行的审批、报表、抽取类流程，值得优先评估编译化；一次性的探索任务不必动。

四、三个别信的说法

agent 的不确定性无法工程化。 这篇论文的核心主张恰恰相反：不确定性可以定位、隔离、单独测试，不是玄学。

编译后的程序一劳永逸。 程序只对编译时那个模板成立，换了任务形态要重新编译，维护成本省在重复执行，不省在变更。

token 省 70 倍等于成本降 70 倍。 摘要报的是输入 token 和运行时长，模型调用的单价、失败重试等综合成本要另算，这是背景提醒，不是论文结论。

五、一句话结论

重复的活别让模型每次重新想，跑通一次就该固化下来。

信息来源

• arXiv 摘要页：FlashScript（编号 2610.33876）（2026-10-24 提交）

功能与价格以官方公告为准。本文写于 2026 年 10 月 27 日。