📄 Daily Digest

Agent Learning Daily Digest #54 — 2026-06-27

今日高信号：verification horizon 论文正面挑战 coding agent 奖励函数天花板、Deterministic Control Plane 将 agent 配置视为供应链管理、Polygraph meta-harness 引入 episodic memory、workweave/router 模型路由器 HN 129 分、Agent Context Files 进化模式实证、MemStrata 解决 RAG 时效性失真、Spec Growth Engine 治理 spec-code drift。

今日高信号

1. workweave/router — 智能模型路由器（HN 129 points）

workweave/router 是一个 agent 系统的模型路由器：每个 prompt 在 <50ms 内被路由到最合适的模型，仅更换 endpoint 即可降低 40-70% 成本，无需修改 prompt 或重写应用。支持 Claude Code、Codex、Cursor 等主流 harness。GitHub 246 stars，极度活跃（最新 commit 3 小时前，由 claude 协作提交）。代表 agent 成本优化进入"智能路由"范式——不再依赖单一模型，而是按 prompt 复杂度动态分配。

2. Polygraph — 面向最大自治的 Meta-Harness（HN 44 points）

Nx/Nrwl 团队（Victor Savkin）发布的 Polygraph 是一个 agent-agnostic meta-harness，定位"像 Next.js 之于 React，Polygraph 之于 agent"。核心解决两个 agent 自治障碍：space problem（agent 被困在单一 repo 内无法跨仓库工作）和 time problem（agent 无 episodic memory，每次对话从零开始）。通过 episodic memory 层让 agent 拥有跨会话的项目状态连续性。

3. The Verification Horizon — 编码代理奖励函数无银弹

arXiv 论文正面论证一个反直觉结论：随着 coding agent 越来越强，验证比生成更难。论文沿 scalability（规模）、faithfulness（忠实度）、robustness（鲁棒性）三个维度刻画了四种奖励构造方式的局限性：测试、rubric、user-as-verifier、automated agent verifier。核心论点是每个 verifier 都只是人类意图的代理（proxy），而非意图本身——因此 verification 永远受 Goodhart's Law 约束。这对 Coding Agent Verification 的工程实践有直接指导意义。

4. Deterministic Control Plane — Agent 配置即供应链（45 页）

arXiv 论文提出在 coding harness 之上构建确定性控制平面（框架名 Rel(AI)Build）：将 agent 定义视为受管理的供应链，使用 SHA-256 内容寻址、HMAC 签名 lockfile、分级权限和阶段状态机。对 10,008 个 GitHub 仓库（6,145 个 agent 配置文件）的普查发现，10.1% 的配置路径是跨组织完全重复的（SHA-256 精确匹配），75.5% 的克隆对来自不同组织——说明 agent 配置正作为"未声明共享组件"隐性传播，构成供应链安全风险。

5. Agent Context Files 进化模式实证研究

arXiv 论文首次系统研究 Agent Context Files（ACFs，如 CLAUDE.md、AGENTS.md）的维护与进化模式。通过软件维护分类法对 ACF 变更进行分类，并大规模挖掘分析其与代码质量的关联。这是对 Context Engineering 实践面的实证补充——此前大多数 context engineering 研究聚焦于上下文构造策略，而本文关注"开发者如何长期维护指导 agent 的指令文件"。与本 vault 的 AGENTS.md/CLAUDE.md 同步维护实践高度相关。

6. MemStrata — 消灭 RAG 时效性失真（stale-fact error → ~0%）

arXiv 论文揭示 RAG 在演进知识上的结构性缺陷：当一个事实改变时（如函数重命名、API 重构），新旧值在 embedding 空间中的余弦相似度几乎相同（AUROC 0.59，接近随机），导致 agent 检索到过期事实。MemStrata 引入双时态账本（bi-temporal ledger）+ 确定性替代规则：当新事实与旧事实矛盾时，自动退役旧值。将 stale-fact-error 率从 15-40% 降至接近 0%。21 页论文。直接启发 Agent Memory 的时态设计。

7. VIGIL — Agent Skills 运行时行为规范执行

arXiv 论文提出端到端的运行时执行框架 VIGIL，针对 agent skills 的行为规范（access permissions、disclosure limits、execution privileges、required preconditions）。将 skill 的自然语言规范翻译为有限迹上的 SMT 约束，在运行时检查 agent 执行迹是否符合策略。实现 >95% recall、<10% false-positive rate。与 PORTICO（#52 可撤销权限）形成互补——PORTICO 管权限生命周期，VIGIL 管权限边界内的行为合规。

8. Spec Growth Engine — 规范锚定的 spec-code drift 治理

arXiv 论文提出 Spec Growth Engine 框架，解决 AI coding agent 的两大结构性失效模式：context explosion（agent 需一次性推理整个仓库，质量随上下文窗口填满而退化）和 silent spec-code drift（代码进化但规范不进化，差异变得不可见直到修复成本高昂）。框架包含四组件：机器可读规范图、Spine 上下文组装器、垂直切片增长协议、drift gate（使 spec-code 分歧成为阻塞合并条件）。

9. Augmentation with Dilution — AI 编码代理对人类贡献者生态的影响（1.1 万仓库）

arXiv 论文是首个以人类贡献者生态系统为因变量的大规模实证研究，考察 AI coding agent 采用后开源项目中人类参与者的数量、构成和行为如何变化。使用 staggered difference-in-differences 方法分析 11,097 个 GitHub 仓库（2023.01–2026.05）。标题"Augmentation with Dilution"暗示核心发现：agent 带来增强但伴随稀释——工作量增加但人类参与的模式在改变。

10. Deterministic Anchoring — 代码 agent 需要多少静态结构？（ISSTA 2026）

arXiv 论文研究轻量级静态分析（调用图、继承层次、配置依赖）能否为 LLM code agent 提供"确定性锚点"。核心发现命名为"deterministic anchoring effect"：静态结构的帮助主要不在于让 agent 更聪明，而在于让导航可复现——将 stochastic 的探索约束为确定性的结构遍历。被 ISSTA 2026 接收，21 页。对 coding-agent-harness 的代码导航工具设计有直接参考价值。

11. Multi-Step Tool-Use RL 为什么崩溃

arXiv 论文研究 RL 训练多步工具使用 LLM 时为何出现"灾难性崩溃"（catastrophic collapse：性能骤降，工具调用结构失败）。根因分析指向特定控制 token 的意外概率尖峰。系统测试了多种监督信号（off-policy、hint-based、erroneous examples）在同步和交替训练下的效果，发现 interleaving SFT with RL 可大幅提升稳定性。对 tool-use agent 的训练管线设计有工程指导意义。

12. Governing Actions, Not Agents — 机构认证治理模型

arXiv 论文形式化了一种面向 AI agent 的机构认证（institutional attestation）治理模型：agent 对规划和推理保留完全自治权，但对高风险动作（如生产部署、临床处方）不持有执行权。执行需要独立认证的前置条件，密码学绑定到声明意图，记录在防篡改日志中。包含软件部署和临床处方的概念验证实现。将传统人类机构治理模式（如银行、医院的行为审计）迁移到 AI agent 场景。

观察清单

主题 信号强度 今日代表性条目
Coding agent 验证理论 🔴 高 Verification Horizon（奖励函数天花板）
Agent 配置供应链安全 🔴 高 Deterministic Control Plane（10.1% 配置重复）
Meta-harness 范式 🟡 中 Polygraph（episodic memory + space/time problem）
上下文工程实践 🔴 高 ACF 进化研究、Spec Growth Engine
Agent 记忆时态 🟡 中 MemStrata（bi-temporal ledger）
Skill 运行时安全 🟡 中 VIGIL（SMT 约束行为检查）
模型路由/成本优化 🟡 中 workweave/router（HN 129）
人类-agent 协作演变 🟡 中 Augmentation with Dilution
代码导航确定性 🟡 中 Deterministic Anchoring（ISSTA 2026）
Tool-use RL 训练 🟢 低 Multi-Step RL Collapse