Recoleta Trends
Language
enzh-CN
GitHub
Trend brief · 2026-03-15

代理调试深度、工具路由与结构化约束成为新焦点

今天的研究更少谈“代理会不会做”，更多谈“怎样让它更可靠地做”。重点集中在三件事：更深的调试、更精的工具路由，以及把结构化约束重新接回真实任务。首先，代理式编码进入更细的协作层。TrustOverFear给出较强实证：同样是ClaudeSonnet4，只改系统提示的动机框架，信任式NoPUA在9个真实调试场景里发现隐藏问题51vs32，调查步骤42vs23，而恐惧式PUA没有显著收益。

6 tracked topics
Evolution4 signals · Continuing 2 · Shifting 1 · Emerging 1
Software Intelligence
agentic-codingtool-routingmcpverificationlow-resource-coderelease-engineering
Source markdown

Overview

今天的研究更少谈“代理会不会做”，更多谈“怎样让它更可靠地做”。重点集中在三件事：更深的调试、更精的工具路由，以及把结构化约束重新接回真实任务。首先，代理式编码进入更细的协作层。TrustOverFear给出较强实证：同样是ClaudeSonnet4，只改系统提示的动机框架，信任式NoPUA在9个真实调试场景里发现隐藏问题51vs32，调查步骤42vs23，而恐惧式PUA没有显著收益。

Evolution

4 signals3 history windows

本期与历史窗口相比，最清楚的变化不是模型更强，而是代理系统继续向“可控接入、可验证执行、可审查协作”收拢。一条延续线来自工具与MCP层。prev3、prev1已经在讨论接口、注册和终端调度，今天则进一步进入路由细节：服务器开始参与工具筛选，历史反馈开始参与重排序。第二条延续线来自验证机制。prev2中，外部反馈已被证明能显著放大低资源代码能力；今天无论是仓颉语法约束，还是A.

MCP与工具层从接线扩展到精细路由

Continuing
History
MCP代理基础设施与生产治理同步升温 (2026-03-12)代理发现、终端调度与可验证程序搜索升温 (2026-03-14)
延续了 MCP代理基础设施与生产治理同步升温 (2026-03-12) 与 代理发现、终端调度与可验证程序搜索升温 (2026-03-14) 的主线：代理基础设施仍在补“接入后怎么稳定工作”。但今天焦点从 MCP 接口扩展到工具暴露控制。 Giving MCP servers a voice in tool selection…Read full rationaleCollapse

延续了 MCP代理基础设施与生产治理同步升温 (2026-03-12) 与 代理发现、终端调度与可验证程序搜索升温 (2026-03-14) 的主线：代理基础设施仍在补“接入后怎么稳定工作”。但今天焦点从 MCP 接口扩展到工具暴露控制。Giving MCP servers a voice in tool selection 让服务器通过 _tool_gating 在每轮先做 exclude/claim，原型在只读请求里可移除 4 个工具、节省约 318 tokens/turn；Millwright 则把 <tool, query, fitness> 反馈写回排序层，面向数百到数千工具做经验驱动路由。相比 MCP代理基础设施与生产治理同步升温 (2026-03-12) 中以 Auto-Browser、local-memory-mcp 为代表的“把能力接进来”，今天更强调“接进来以后怎么少给、准给、可回滚地给”。

可验证与可执行结构继续成为可靠性来源

Continuing
History
可验证反馈、PR测试与执行层安全推动代理进入真实流程 (2026-03-13)
可验证反馈、PR测试与执行层安全推动代理进入真实流程 (2026-03-13) 强调“可验证反馈解锁低资源代码能力”，今天这一方向继续，但表现形式从编译器反馈扩展为更广的结构约束。 CangjieBench 中，仓颉代码直接生成平均 Pass@1 仅约 12%–24%，加入简明语法约束后 GPT-5 平均 Pass@1 达到…Read full rationaleCollapse

可验证反馈、PR测试与执行层安全推动代理进入真实流程 (2026-03-13) 强调“可验证反馈解锁低资源代码能力”，今天这一方向继续，但表现形式从编译器反馈扩展为更广的结构约束。CangjieBench 中，仓颉代码直接生成平均 Pass@1 仅约 12%–24%，加入简明语法约束后 GPT-5 平均 Pass@1 达到 53.8%，Kimi-K2 为 42.4%，Qwen3 为 40.0%。另一侧，Agentic DAG-Orchestrated Planner Framework 在 HybridQA 的 3,466 个样本上把正确性从 Standard RAG 的 56.2 提到 71.0，去掉 DataOps 后又降到 60.0。与 可验证反馈、PR测试与执行层安全推动代理进入真实流程 (2026-03-13) 中代表性的 Idris/编译器回路类似，今天的证据继续支持一个判断：可靠性提升主要来自外部约束、验证与执行结构，而不是单靠更长提示。

软件工程关注点从编排效率转向协作质量与认知风险

Shifting
History
代理发现、终端调度与可验证程序搜索升温 (2026-03-14)
相对 代理发现、终端调度与可验证程序搜索升温 (2026-03-14) 里 Recon、Nia CLI 所代表的“终端成为多代理主控台”，今天软件工程主题明显从编排界面转向协作质量本身。 Trust Over Fear 显示，NoPUA 信任式提示让 Claude Sonnet 4 在 9 个真实调试场景中发现隐藏问题 51 vs…Read full rationaleCollapse

相对 代理发现、终端调度与可验证程序搜索升温 (2026-03-14) 里 Recon、Nia CLI 所代表的“终端成为多代理主控台”，今天软件工程主题明显从编排界面转向协作质量本身。Trust Over Fear 显示，NoPUA 信任式提示让 Claude Sonnet 4 在 9 个真实调试场景中发现隐藏问题 51 vs 32、调查步骤 42 vs 23；在 135 个数据点复现实验里，调查步骤仍提升 74%。但 I'm Not Reading All of That 又显示，4 名工程师使用 Cline 时对生成脚本函数数的回忆正确率是 0%，且不少人以“它能跑”“我信任 Cline”为停止审查理由。变化不在于代理更会写代码，而在于社区开始同时审视代理如何更深入地查，以及人是否因此更少地想。

LLM开始承担发布运营与影响分析工作

Emerging
History
可验证反馈、PR测试与执行层安全推动代理进入真实流程 (2026-03-13)MCP代理基础设施与生产治理同步升温 (2026-03-12)
今天出现一个更贴近真实发布链路的新落点。 LLM-Augmented Release Intelligence 把提交过滤、结构化摘要和 Tekton task→pipeline 影响分析嵌入 GitHub Actions。系统已部署在含 60+ managed tasks、20+ managed pipelines…Read full rationaleCollapse

今天出现一个更贴近真实发布链路的新落点。LLM-Augmented Release Intelligence 把提交过滤、结构化摘要和 Tekton task→pipeline 影响分析嵌入 GitHub Actions。系统已部署在含 60+ managed tasks、20+ managed pipelines 的平台上，并能把输入给 LLM 的提交数减少 40–60%；示例里 sign-image-cosign 改动可直接命中 5 条 pipelines。相较 可验证反馈、PR测试与执行层安全推动代理进入真实流程 (2026-03-13) 的 PR 测试生成和 MCP代理基础设施与生产治理同步升温 (2026-03-12) 的生产治理/可观测讨论，这里更进一步：LLM 不只是辅助写或测，而是开始承担发布沟通与 blast radius 分析这类工程运营任务。

Clusters

代理式编码从产出导向转向调试深度与人类认知

今天最强信号来自代理式编程进入“怎么更稳地协作”。一条线关注代理本身：信任式系统提示能让调试更深，而恐惧式提示没有显著收益。另一条线关注人类一侧：工程师在使用代理式编码助手时，往往只验结果，不再细看过程。这说明焦点正从“能不能写”转向“怎么查、怎么想、怎么保留人的判断”。

Representative sources

工具选择开始前移到路由层与服务器侧

MCP 与大工具目录问题继续升温，但今天更具体。_tool_gating 让服务器在每轮先裁掉无关工具，读请求场景可少 4 个工具、节省约 318 tokens/turn；Millwright 则把历史使用反馈写回路由层，试图在数百到数千工具中持续学会更好的排序。共同主题不是新增更多工具，而是让工具暴露得更少、更准、更可观测。

Representative sources

结构化约束与规划验证带来更可靠的任务执行

低资源代码与企业问答都体现出同一件事：代理或模型不能只靠通用生成。CangjieBench 显示，低资源语言直接生成很弱，加入简明语法约束后，GPT-5 平均 Pass@1 可到 53.8%。A.DOT 则把问题先编成 DAG，再做验证和执行，在 HybridQA 上把正确性从 56.2 拉到 71.0。趋势是把外部结构、验证器和执行计划重新接回系统。

Representative sources

LLM 进入真实软件交付流程与个人开发现场

LLM 开始更深地嵌入真实工程流程，而不是只做聊天式辅助。发布智能框架把提交过滤、LLM 摘要和流水线影响分析放进 GitHub Actions；GitTop 则展示了一个周末内用代理式编码完成 4,800 行 Go、7 页终端仪表盘的真实构建过程。两者分别代表“进入组织流程”和“进入个人开发过程”。

Representative sources

Built with Recoleta

Run your own research radar

Turn arXiv, Hacker News, OpenReview, Hugging Face Daily Papers, and RSS into local Markdown, Obsidian notes, Telegram digests, and a public site.

View repo5-minute quickstart
Newer机器人VLA走向闭环造数、主动感知与部署级系统优化OlderVLA转向主动感知、轻量多模态融合与部署级系统优化