当天最强的信号延续了近期对受控代理工作流的关注，同时测量证据更加充分。ACQUIRE 在编辑前回答代码仓库问题，从而改善问题解决。TerraRepair 根据 schema 和扫描器结果验证基础设施修复。FlowArk 复用有界且与代码匹配的知识，减少重复分析。共同机制是将精确上下文送达操作发生的时点，随后进行外部检查。
代码仓库理解正成为一个独立阶段，并需要单独决定检索方式和成本。ACQUIRE 在生成补丁前提出有针对性的问题，使 SWE-bench Verified 上的 Pass@1 比 Mini-SWE-Agent 提高 3.8 至 4.4 个百分点。另一项定位研究发现，按文件角色生成的摘要相比文件路径可将 Hit@5 提高最多 40%，同时所用文本量仅为原始代码的 1/10.4 至 1/20.9。FlowArk 在不同会话之间采用同样的选择性策略：只有代码锚点匹配时才注入经过验证的知识，在分析质量相近的情况下将 Android 分析成本降低 26.83%。
代理可靠性研究正在为工具输出和生成的修改增加检查。TerraRepair 查询 Terraform 依赖和已安装的提供商 schema，然后重新运行安全扫描器，再接受补丁。在 Checkov 验证的 AWS 修复中，其修复率达到 78.4%，受控的一次性基线为 26.6%；缺少部署上下文时，系统仍会升级处理。AgentCheck 提供了可重放的工具故障作为补充：代理在 120 个场景中通过了 77 至 105 个，失败通常源于自信地使用错误输出，而不是代理崩溃。一项包含 44 名开发者的研究也显示了这些控制措施的必要性：Copilot 提高了功能正确性，却没有显著改善安全 API 的使用。
代理记忆研究仍倾向于使用确定且可检查的状态。Context Warp Drive 无需再次调用模型即可折叠旧对话，保留精确标识符，并在一次生产部署中报告 92.6% 的缓存读取率；其真实工作负载证据缺少受控对比。Daftari 使用 Git 支持的 Markdown 存储记忆，包含来源信息、替代关系链接和未解决的矛盾，但没有提供正式基准。FlowArk 为选择性复用提供了更强的任务级证据：与代码匹配的有界知识在 100 美元预算内完成了 1,060 个 Android 分析任务，而不复用知识时完成了 776 个。