同一个模型，把外面那层壳换掉，Terminal-Bench 2.0 上能从 52.8% 走到 66.5%。模型只提供智能，剩下全是工程。

这张图按「装上下文、做决策、管执行」三层画了九块，右边是五个外部依赖，底下是四个生产配套，最下面一条是可观测性，横着切穿三层。

最容易被漏掉的是第二块：检查点存在模型窗口之外。做不到这条，任务跑到第 37 步崩了就得从头再来，这就是「能 demo」和「能上线」的分界。

在做 Agent 的，可以拿它当自查表：九块里缺哪块先补哪块，别急着换模型。

AI资料宝库小程序

【版权声明】本文内容来源于Aike，版权归原作者及原媒体所有。本站仅作信息分享，不构成任何商业用途；如涉版权问题，请联系本站删除。

发布时间：2026-11-14 09:01:14