agent-traces

本文实证分析了基于LLM的程序修复智能体中代码执行的成本效益，发现执行被大量使用但往往不加区分，限制执行可以在对修复成功影响最小的情况下节省大量成本。

SelfCompact是一种脚手架方法，让语言模型自主决定何时以及如何压缩长智能体轨迹，相比固定间隔方法，在减少token成本的同时实现了更好的性能。

快速执行 `hf sync` 命令可同步智能体会话轨迹，确保永不丢失，并可在不同机器间使用。

Harrison Chase宣布了一个用于检测生产环境代理追踪问题的后训练模型，声称其准确性达到SOTA水平，而成本仅为前沿模型的1/10到1/100。

LangChain工程师详细介绍了他们如何为SmithDB从头构建自定义倒排索引，以支持对存储在对象存储中的大容量代理轨迹进行全文搜索和JSON过滤，尽管负载巨大，仍实现了400ms的中位延迟。

介绍RedAct，一个通过选择性编辑敏感细节同时保留审计证据来保护智能体轨迹免受程序性技能泄露的框架，并附带用于评估的CapTraceBench基准。

TRL 现在支持对来自各种来源（如 Claude Code、Codex、OpenClaw 和 Pi）的智能体轨迹进行模型微调，这正朝着训练智能体模型的标准化栈迈进。

介绍推理原语诱导（Reasoning Primitive Induction）方法，该方法从成功的ReAct轨迹中挖掘，将重复出现的推理动作聚类为类型化的伪工具，在基准测试上比原始智能体高出数十个百分点。

已发布用于在 Hugging Face Hub 上渲染 Agent Traces 的新文档页面。

一个名为teich的库可以将代理轨迹转换为有监督微调（SFT）数据集，简化了AI训练的数据集准备。

ZenithDB是一款新的开源Rust数据库，专为存储和查询AI智能体跟踪而设计。通过在压缩过程中将同一跟踪的所有跨度放在同一个位置，它在10亿行数据上实现了亚毫秒级的跟踪获取延迟，并内置了全文搜索和延迟物化功能。