让 agent 把上一轮经验，变成下一轮的说明书

同一个 agent 跑同一类任务，第一次摸清了哪个按钮在哪、哪一步会超时，第二次还是从头摸索。10 月 24 日挂上 arXiv 的 ReGE 就在处理这件事：把上一轮的过程记录，压成一份能直接塞给下一次的说明书。

一、发生了什么

论文的出发点很朴素：交互式任务的重复尝试里，藏着事实、有效的操作和踩过的坑。ReGE 把这些已经发生过的东西整理成引导，交给一个从任务初始状态重新出发的执行者，让它对照当前观察自己调整。

主实现叫 ReGE-Syn。一次「教练」调用，同时把有界的执行记录和手头的产物合成为一份自包含指南，把任务层面的发现、建议的动作、相关陷阱串在一起。成本上的关键设定是：生成记录、合成指南、执行任务用的是同一个基座模型，不更新参数，也不请更强的老师模型。

数字上，四个基准的平均准确率比无引导执行高 9.9 个百分点（GPT 系）和 8.8 个百分点（Claude 系）。在匹配的 BrowseComp-Plus 子集上，构建指南本身的 token 消耗比一个改编过的 AggAgent 基线低 98.2% 和 95.5%；把构建和执行加起来，token 分别降 15.7% 和 35.4%，这个口径不含生成原始记录的部分。

摘要还提到两个消融：能拿到过程信息的执行者，步数更少；联合合成的指南，比直接贴历史记录或分别做摘要都短得多。

边界要说清：四个基准里摘要只点名了一个，其余三个未列出；模型规模、任务数量、单次记录的长度上限，摘要均未说明，作者也没在摘要里写局限。所以「9.9 个百分点」是一个跨四套任务的均值，不是某个场景的保证。

二、跟你有什么关系

做 agent 产品的：你手上已经堆了大量失败轨迹，这项工作说明不微调也能把它们变成资产，前提是敢裁剪。

跑 agent swarm 的平台：摘要最后一句点到了真正的运维难题——并行 agent 的执行记录怎么低成本合并。

做 agent 评测的：它给的对照是「同一基座模型、有无引导」，这个设置比换模型比分数干净得多，值得抄进你的表格。

三、怎么用

1. 先裁剪，再合成。轨迹动辄几百步，直接塞进去只会让下一次更慢。按「确认的事实 / 有效的动作 / 触发过的错误」各留几条。
2. 一次调用出指南，别分三段总结。论文的消融显示联合合成比历史原文和分段摘要都短，短本身就是效果的一部分。
3. 留一条无引导对照组。同模型、同任务集，先量出你自己场景里的基线差距，再决定值不值得加这一层。

四、三个别信的说法

「经验越多越好，全塞进去就行。」 摘要强调的是有界记录，不是全量回放。上下文越长，执行者越难分辨哪一句是这次要用的。

「这必须微调才见效。」 这套流程明确不更新任何参数，收益来自上下文的组织方式。想用 SFT 复现的，成本结构完全是另一回事。

「换个更强的模型当老师会更好。」 论文特意说明没有更强的老师，生成、合成、执行同源。这既压了成本，也意味着它的上限被基座模型锁住。

五、一句话结论

agent 的第二次尝试该比第一次聪明，让它变聪明的不是更多记忆，是更短更准的那一页纸。

信息来源

• arXiv：ReGE，用历史经验合成引导来增强 agent（2026-10-24）

功能与价格以官方公告为准。本文写于 2026 年 10 月 27 日。