prompts.chat 更新 Code Review Specialist 提示词
prompts.chat 更新了 Code Review Specialist 提示词，让模型以资深开发者身份审查代码质量、编码规范符合度、优化空间和潜在 bug。新版新增 ${language}、${framework}、${focusAreas:code quality, performance, security} 三个可自定义变量，要求反馈客观、建设性，兼顾技术性与风格层面。
#编码
新闻、仓库与研究，按时间排列。
prompts.chat · 每日 promptAI 评分1313 prompts.chat · 每日 promptAI 评分1212 prompts.chat 新增提示词：Flaky Test Detector
prompts.chat 每日 prompt 栏目新增了名为 Flaky Test Detector 的提示词。该提示词用于检测不稳定测试，除此之外正文未提供更多细节。
prompts.chat · 每日 promptAI 评分3939 prompts.chat 新增 prompt：TODO Comment Debt Tracker
prompts.chat 新增社区贡献的 prompt「TODO Comment Debt Tracker」，扫描代码库中的 TODO、FIXME、HACK、XXX 注释，提取 owner、ticket 和到期日，并标记无归属、无 ticket、逾期或表述模糊的条目。附带仅用 Python 标准库的 `todo_debt.py` 扫描脚本，支持 `--self-test` 与 `--strict`，逾期或 FIXME/HACK/XXX 缺 ticket 时退出码为 1，可作 CI 软门禁；score 规则为 FIXME/HACK/XXX 起始 3、TODO 起始 1，逾期 +2、无 ticket +1。
prompts.chat · 每日 promptAI 评分1818 prompts.chat 新增 prompt："Monorepo taste"——平台工程师的 Monorepo 工程偏好
prompts.chat 收录由 [@f](#) 贡献的新 prompt "Monorepo taste"，以平台工程师视角列出 20 条 Monorepo 工程偏好，每条附带置信度分数。内容包括使用 pnpm workspaces 与单一根 lockfile（Confidence: 0.95）、用 Turborepo 编排任务并在 CI 启用远程缓存、以 workspace:* 协议引用内部包、用 Changesets 发布公共包、通过 turbo --filter 只对受影响的包运行 CI 等，并强调避免循环依赖、统一脚本命名和用 CODEOWNERS 分配目录负责人。
Hugging Face · 趋势模型AI 评分4747 XHToken 发布端侧模型 Spark-X2.6-4B（GGUF）
XHToken 在 Spark-X2.5-4B 基础上推出端侧部署模型 Spark-X2.6-4B，架构不变，靠改进后训练提升编码、Agent、长上下文、多语言与推理能力，在同级开源模型中达到 SOTA，可匹敌或超越约 9B 参数的模型。模型提供 none、low、high 三档可控思考预算，支持最大 1,048,576 token 上下文，推理效率不低于 Qwen3.5-4B 和 Gemma-E4B，并可在 SGLang、vLLM 上部署。
Hugging Face · 趋势模型AI 评分4444 XHToken 发布 Spark-X2.6-4B：面向端侧 Agent 的通用语言模型
XHToken 发布 Spark-X2.6-4B，是基于 Spark-X2.5-4B 的端侧通用语言模型，架构不变，通过改进后训练提升编码、Agent、长上下文、多语言和推理能力。该模型在同级开源模型中达到 SOTA，可匹敌约 9B 参数模型，支持 none/low/high 三档可控思考预算，最大上下文长度 1,048,576 tokens。模型权重已在 Hugging Face 开源，支持 Transformers 和 SGLang（含 NVIDIA GPU 与 Ascend NPU）推理部署。
prompts.chat · 每日 promptAI 评分88 prompts.chat 更新 Code Review Specialist 提示词
prompts.chat 更新了 Code Review Specialist 提示词，将审查范围精简为代码质量与可读性、编码规范符合度、优化机会、潜在 bug 识别及改进建议。新增详细分析、指出强弱项和可操作建议等输出要求，并添加 ${language}、${framework}、${focusAreas} 三个可自定义变量。
prompts.chat · 每日 promptAI 评分2323 prompts.chat 更新 prompt：Code Review Specialist
prompts.chat 的每日 prompt 更新重写了 Code Review Specialist 这条提示词：由纯文本段落改为带 role: system、metadata、task steps、deliverables 和 constraints 的结构化 YAML 格式。新版本保留代码审查核心任务，聚焦语法与逻辑错误分析、行业标准评估和可执行优化建议，贡献者由 aymanrabeemac@gmail.com 更换为 xiaoyucunx。
prompts.chat · 每日 promptAI 评分1212 prompts.chat 更新 prompt：Code Review Specialist
prompts.chat 更新了 Code Review Specialist 提示词：让模型扮演经验丰富的软件开发者，从行业标准符合性、优化空间、逻辑错误与 bug、潜在安全漏洞等角度审查代码，并向代码作者给出建设性反馈。新版本要求评审客观中立、兼顾功能与非功能方面，并保持专业尊重的语气。
arXiv · cs.AIAI 评分3333 PatternBench：面向 LLM 代码优化的模式驱动评测，分离超越编译器的语义推理能力
研究者提出 PatternBench 基准，用于评测 LLM 在激进编译器优化之后仍能保留的“超越编译器”代码优化，覆盖七类转换，并将运行时测速与基于 AST 的优化忠实度分析结合。对前沿、开源权重及微调模型的实验显示，仅看运行时加速无法完整反映优化能力，忠实度与实际加速强相关，微调可同时提升两者。结果表明评测 LLM 代码优化应同时衡量性能结果与目标转换是否真正执行。
arXiv · cs.AIAI 评分4646 教会代码智能体在不泄露私有代码的前提下求助云端模型：UVA 方法
论文提出 utility-verified abstraction（UVA），训练本地代码智能体按角色和类型描述私有实体，向云端强模型求助时不泄露仓库名标识符、文件路径和源码。改写后的问题比未训练时少泄露 3.7 倍私有实体、1.4 倍逐字代码；在仓库级 issue 修复上解决 37.6% 的问题，高于同一模型单独工作的 25.3%。
arXiv · cs.CLAI 评分3434 表格序列化方式决定大语言模型保留哪些关系
一项 arXiv 研究考察文本序列化对指令微调大语言模型表格查找的影响：同一 256 单元格合成表格分别以行优先和列优先渲染，最优格式随表格形状变化。64x4 竖长表中行优先领先 42.3-54.0 个百分点，4x64 宽表中列优先领先 35.0-59.0 个百分点。研究提出“关系局部性”概念：序列化让一种关系保持局部可用，另一种则依赖位置对齐。
arXiv · cs.AIAI 评分2828 LLM 生成的代码重构何时会在仓库层面引发连锁影响：一项仓库采用就绪度实证研究
一项实证研究对来自 15 个开源 Java 仓库的 150 个生产文件进行 1,500 次 LLM 重构生成，比较单提示词与 LangGraph 多智能体两种依赖感知生成方式。结果中 1,365 个候选（93.8%）被判定为高契约/依赖风险，仅 8 个满足低风险标准；705 组配对分析未发现两种生成方式在主要风险指标上有统计显著差异。研究建议将 LLM 重构视为需分阶段仓库级验证的候选方案。
arXiv · cs.CLAI 评分4545 ECHO：超越辅助式多 token 预测的高效因果自递归
论文提出 ECHO（Efficient Causal Self-Recursion），用主干模型自身最后一层预测所有未来 horizon，并以 Dynamic Depth Sampling（DDS）按深度衰减概率采样训练深度，省去辅助 MTP 模块的额外开销。预训练中增加的深度转化为下游准确率，集中在推理与代码任务上，训练开销仅为训练每个深度的一半；推理时模型自任 drafter，可在超出训练深度的范围起草，并在开放式高熵生成中保持 draft-target 对齐。该优势在翻倍 token 预算、重复预训练和 SFT 后仍然保持。
arXiv · cs.AIAI 评分3939 ReTRACE：基于反馈引导的 LLM 智能体化学逆合成规划框架
研究者提出 ReTRACE，一个将 LLM 置于化学工具环境中的逆合成规划智能体，可整合分子工具、单步预测引擎、可购买原料库与多准则路线评估器，并在搜索中根据评估反馈持续改进路线。使用 Claude Opus 4.8 时，ReTRACE 提出的 top 10 路线中至少一条通过审计的比例在三个 benchmark 上分别达 87.4%、95.0% 和 86.7%。两个前瞻性湿实验合成表明其路线经专家修改后可转化为可执行流程。
arXiv · cs.CLAI 评分3232 GLOSS-MT：用可编辑词典实现可控低资源机器翻译
GLOSS-MT 通过离线英-特威语（Twi）词典替换源句名词短语并一次性微调翻译模型，实现可控的低资源机器翻译。在英语到阿散蒂特威语文档级基准（84 篇文档、四个领域）上，基于 NLLB-200（600M、1.3B、3.3B）、OPUS-MT en-tw 和 TranslateGemma 4B 的微调模型 chrF2 提升 +2.85 至 +5.48，三个 NLLB 微调模型达到 50.12-50.80，为最佳开源系统。无需再训练即可通过更换词典条目改变输出术语，出现率达 70-97%。
Hugging Face · 趋势模型精选AI 评分6565 DeepSeek 发布 DeepSeek-V4.1-Flash-1017 小版本更新
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，是 DeepSeek-V4.1-Flash 的小版本更新，在推理、编码、Agent 任务和视觉基准上大幅提升，同时缩短任务执行时间和输出长度，推进多 Agent harness 下的性能成本帕累托前沿。Terminal-Bench 4.0 达 42.3（上一版 31.2），Automation-Bench 达 60.5。该版本不含 Jinja 聊天模板，改为提供 encoding.py 参考实现和 deepseek-recipe Rust 库工具包，支持 1M tokens 上下文窗口、max_tokens ≥ 256K，推荐 temperature 1.0、top_p 1.0，采用 MIT 许可证。
推荐理由：技术报告给出与 Kim3、GPT-5.6、Opus 5 等的对比数据，并附推荐采样参数与推理工具链，方便本地复现。
Hugging Face · 趋势模型精选AI 评分6969 MiniMax 发布 MiniMax-M3.1-Flash：原生多模态 MoE 模型，1M tokens 上下文
MiniMax 发布 MiniMax-M3.1-Flash，一个面向编码、Agent 工作流、computer use 和网络安全的原生多模态 MoE 模型，总参数约 428B、每 token 激活 23B，支持文本、图像、视频输入，上下文窗口最高 1M tokens。相比 M3 的三项主要变化是全程稀疏注意力、量化感知训练，以及用 DSpark 投机解码取代此前的 EAGLE 类 MTP 方案。
推荐理由：官方公布与 DeepSeek、Kimi 等模型在十余个 Agent 与编码基准上的横向对比，并说明评测设置，读者可据此自行评估实际水平。
prompts.chat · 每日 promptAI 评分2222 prompts.chat 更新 Code Review Assistant prompt：由长文提示词改为结构化 JSON 格式
prompts.chat 更新了其 "Code Review Assistant" 提示词，贡献者从 @sinansonmez 改为 @f。原版本是要求分析代码可读性、可维护性和潜在 bug 的自然语言提示词，新版本改为结构化 JSON 格式，默认上下文为 JavaScript/React，聚焦 performance、security 和 best_practices，并要求以含 severity（high|medium|low）、line_number、suggestion、code_example 的统一格式返回审查结果。
prompts.chat · 每日 promptAI 评分1212 prompts.chat 更新 prompt：Code Review Specialist
prompts.chat 站点更新了 Code Review Specialist prompt 的记录信息：该 prompt 由 nolanneff 提交，标记为 FALSE，类型为 TEXT，替换了原先 dragoy18@gmail.com 名下标记为 TRUE 的记录。prompt 内容本身未变，仍要求反馈客观专业、注重清晰性与可维护性，并结合代码的具体上下文给出建议。
prompts.chat · 每日 promptAI 评分2626 技术联合创始人 Prompt 更新：与 AI 携手打造真实产品
prompts.chat 更新了一条名为「技术联合创始人：共建真实产品」的 prompt，让 AI 扮演 CTO、用户担任 CEO，把想法变成可直接上线的产品。该 prompt 定义了发现验证、战略蓝图、迭代开发、质量打磨、上线交接五个阶段，并要求零术语沟通、重大决策需用户批准、交付快速上手指南、维护手册和增强路线图三类文档。
prompts.chat · 每日 promptAI 评分2626 prompts.chat 新增提示词：OpenAPI Spec Drift Checker
prompts.chat 收录由 @f 贡献的提示词「OpenAPI Spec Drift Checker」，用于比对 OpenAPI 3.x YAML/JSON 规范与代码实际实现的路由，标记缺失操作、多余路由、方法不匹配和路径参数形状差异。该技能附带的 `check_drift.py` 仅依赖 Python 3 标准库并支持 `--self-test`，将漂移分为 missing_in_code、missing_in_spec、method_mismatch、param_shape_diff 四类，按高/中/低严重度输出报告。
prompts.chat · 每日 promptAI 评分1919 prompts.chat 新增 Python Packaging taste 提示词
prompts.chat 的每日 prompt 新增 "Python Packaging taste"，列出 Python 打包最佳实践并附置信度。要点包括：新包以 `pyproject.toml` 为唯一事实来源、放弃 `setup.py`，采用 `src/` 布局，用 uv 管理安装与 lockfile，以 hatchling 等 PEP 517 后端构建，用 Ruff 替代 Black 加 flake8，并通过 GitHub Actions trusted publishing 发布到 PyPI。
arXiv · cs.CLAI 评分5151 MuninAI：面向独立研究组的自托管科研Agent框架
Munin是一个开源自托管科研助手框架，可索引研究组文献库和引用图谱，并把任意开放权重模型包装成带阅读、检索和计算工具的智能体。在199组配对文献问题上，框架将基座模型准确率从0.387提升到0.874，而朴素检索式回答在所有测试骨干模型上均低于无辅助模型；移除来源论文后系统在约九成问题上放弃作答，300条伪造引用中未产生虚构的本地引用；断网状态下两个Qwen骨干模型仍超过已发表的PaperQA2准确率，其中gpt-oss-20b可在单张消费级GPU上运行。
Hugging Face Blog精选AI 评分7575 
Reflection 发布开源 MoE 模型 Beam 501B，Hugging Face 提供推理与训练全流程支持
Reflection 新实验室的首个模型 Beam 在 Hugging Face 开源，为 501B 参数 MoE（每 token 激活 23B），支持 1M token 上下文，采用 Apache 2.0 许可，主打编码与智能体场景。提供 BF16、FP8、NVFP4 三种检查点，transformers、vLLM、SGLang 均已 day-0 支持，并附 LoRA SFT 与 Miles GRPO 训练配方；Hub 上分享用 Beam 构建的项目可竞争 10,000 美元额度。
推荐理由：官方博客给出架构细节、三档精度的实测跑分和从推理到 SFT、RL 的完整部署与训练配方，便于评估上手成本。
Ollama Blog精选AI 评分6464 
Reflection 开放权重模型 Beam 上线 Ollama Cloud，限时免费
Reflection 首个开放权重模型 Beam 于10月16日发布，Ollama 作为 day-zero 合作伙伴限时免费提供，Beam 端点全程零数据保留（ZDR）。Beam 是 MoE 模型，总参数约501B、每 token 激活23B，上下文窗口100万 token，采用 Apache 2.0 许可，面向软件工程、推理和长程 Agent 任务，可通过 ollama run beam:cloud 或 Claude Code、Codex、OpenCode 调用。
推荐理由：官方公告同时给出与 Kimi K3、GLM 5.3 等模型的 Agent Coding 跑分对照表，读者可直接比较 Beam 在各编码基准上的位置。
arXiv · cs.AIAI 评分1919 OliO：基于 ODE 的线性转移算子用于自监督时间序列预测
研究者提出自监督学习方法 OliO，通过线性常微分方程（ODE）导出的转移算子，将双向时间流建模为连续且结构一致的动力学系统，以对齐任意时间跨度上的潜在表征。对转移矩阵施加严格上三角约束，确保数值稳定并防止无约束 ODE 模型的指数发散。实验显示 OliO 在多种骨干架构与基准上取得显著提升，MSE 较最强 SOTA 基线最多降低 5.75%，代码已开源。
arXiv · cs.CLAI 评分1818 MAS-Bai：面向白文白语的自适应多智能体翻译框架
研究者提出 MAS-Bai，一个面向白文（Bowen script）白语-中文翻译的语言学驱动自适应多智能体框架，针对汉字被语音借用导致的直译幻觉问题，按输入路由至轻量检索翻译路径或含词源与句法智能体的深度语文学路径，并以轻量反向翻译器的 cycle-consistency 作为推理时可靠性信号。团队构建了 6,536 句白语-中文语料，在 1,536 句测试集上 MAS-Bai 达到 16.23 BLEU 和 62.15 COMET，较 Standard RAG 提升 8.11 BLEU 和 6.85 COMET，在语音借词和语序差异场景增益最大。
arXiv · cs.CLAI 评分5151 arXiv 论文提出 LED：用 Lookahead Editing 改进掩码扩散语言模型
arXiv 论文提出 Lookahead Editing（LED），在掩码扩散模型的解码中加入可重写的提案状态，让模型在提交 token 前多次前瞻更新以提升表达能力，同时保留易于优化的掩码转移调度。作者基于 Qwen2.5-7B 和 Qwen3-8B 微调得到 LED-7B 和 LED-8B，在八项基准上 LED SFT 平均比标准 MDM SFT 提升 +11.4 和 +7.7 分，且 LED-8B 仅用 SFT 就超过了经持续预训练、SFT 和强化学习训练的 LLaDA2.1-16B Q-mode。
arXiv · cs.AI精选AI 评分5252 WebCoder：基于工件锚定智能体强化学习的通用前端开发 Agent
论文提出 WebCoder，一个用工件锚定智能体强化学习训练的通用前端开发 Agent，并构建可执行环境 Webdev-World 与评测集 Webdev-Bench。WebCoder-27B 在 Webdev-Bench 上把需求满足分从基座 Qwen3.8-27B 的 64.8 提升到 72.8，超过 Claude-Opus-4.8（65.1）和 GPT-5.4（59.6）；在 Vision2Web 上平均视觉与功能分从 41.1 提到 62.4，与 Claude-Opus-4.8 相当。消融实验验证了工件锚定信用分配与长程训练的贡献。
推荐理由：论文提出以共享可执行工件为核心分配奖励与信用，并给出对齐 Claude 等闭源模型的实测分数，方法可迁移到长序列开发任务。
arXiv · cs.AIAI 评分3636 错误截断事后蒸馏：面向智能体 RL 的事后蒸馏新方法
arXiv 论文提出错误截断事后蒸馏方法，解决轨迹级技能蒸馏与 GRPO 结合时错误动作后监督与当前状态失配的问题。该方法按轨迹结果与错误边界路由两类事后技能：Positive skills 强化成功轨迹及错误前决策，Negative skills 针对关键错误进行修正，错误后缀则仅由 GRPO 优化。实验显示其在任务表现与细粒度 credit 分配上有竞争力。
Hugging Face · 趋势模型精选AI 评分6464 
ornith-ai 发布端到端自我改进的 Ornith-1.5-122B 开源模型
ornith-ai 发布 Ornith-1.5-122B，一个 122B MoE 模型，将 Ornith-1.0 的自我改进循环扩展到联合优化任务生成、scaffold 构建和解题 rollout，通过强化学习持续生成训练任务并改进策略。模型支持 262,144 tokens 上下文（YaRN 缩放后约 1M），可单张 80GB GPU 部署，并提供量化 Mobile 变体。基准中 SWE-bench Verified（non-hack）84.5、TerminalBench 2.1 为 81.2，评测采用防 reward hacking 措施并以 Claude Opus 作为 judge。
推荐理由：模型卡同时给出多基准成绩与防 reward hacking 的评测细节，读者可对照同参数量级模型比较编码与智能体表现。
arXiv · cs.CLAI 评分4040 先写哪个字节很重要：UTF-16 编码如何改进多语言字节级边界预测
一项 arXiv 研究提出 UBE 编码，对三字节 UTF-8 码点改用低字节在前的 UTF-16 存储，提升字节级语言模型边界预测能力。在 FLORES-200 上 13 种婆罗米系文字 17 种语言的单符号前瞻测试中，码点边界的平衡字素边界误差从 UTF-8 的 8.76% 降至 0.06%；韩语和中文相对 UTF-8 平均误差分别降低 72.91% 和 35.29%，且训练仅需 25% 和 37.5% 即可超过 UTF-8 最终误差。
arXiv · cs.AI精选AI 评分6060 免训练 on-policy 蒸馏方法提出，仅用前向传播即可合并专家模型
一篇 arXiv 论文提出 training-free on-policy 蒸馏：不用训练，仅通过前向传播就能把多个单独微调的专家模型能力合并到一个学生模型中，合并后平均精度高于任一专家。当专家共享同一 base 模型时，蒸馏有精确的逐层解，等价于一个最小二乘问题，只需几百条 rollout 的前向计算即可得到二阶矩。去除重复循环截断的回答后，在 AIME25 上将合并模型从 task arithmetic 水平提升到专家水平；在 Olmo 3 7B 上，每个专家只需几 GPU 小时的前向计算，即可在七个数学和代码基准上保留各专家的大部分增益。
推荐理由：给出免训练合并多个专家模型的具体方法，层式最小二乘解只需几百条 rollout 的前向计算即可落地。
arXiv · cs.AIAI 评分4242 研究解析：脚手架为何仍能提升环境无关编码智能体表现
一项研究用 Codex 智能体在 ARC-AGI-3、AGI Maze 和 Terminal-Bench 上对比两种几乎相同的提示词变体，仅改动一条“报告困难并交还控制权”的指令即可提升前两个环境的平均分。但即使搭配 GPT-5.6-sol，通用智能体仍低于 ARC-AGI-3 专用参考方案，把 reset 决策交给脚本控制器可挽回部分差距，额外教程经验反而可能降低 AGI Maze 表现。收益同时带来更高的 token 成本，作者发布了 EnvTraverse 框架与基线智能体。
arXiv · cs.AIAI 评分3737 EliteReplay：用质量多样性搜索在 LLM 强化学习后训练中保留多样化解法
EliteReplay 是一种将 GRPO 与质量多样性搜索构建的"精英"档案回放损失相结合的后训练方法，可在提升 LLM 可验证任务准确率的同时保留基础模型的解法多样性。在多个 text-to-SQL 任务上，其 pass@128 超过所有基线，比最强基线多产出最多 77% 的不同正确策略；在 AmbiQT 模糊问题上覆盖两种解释的频率接近最强基线的两倍。
arXiv · cs.AI精选AI 评分6969 MLExpert 论文提出后训练方法，将 35B MoE 模型训练为自主机器学习工程智能体
论文提出面向长时程自主机器学习工程优化的后训练方法，训练出 35B Mixture-of-Experts 智能体模型 MLExpert。方法包括构建可执行任务的 Kaggle-MLE Factory、层级 agentic SFT，以及将两次实验结果之间的多轮决策作为一个执行窗口并赋予共享结果奖励的 Windowed Interaction RL（WIRL）。在 MLE-Bench Lite 上，MLExpert 将基座模型平均奖牌率从 37.9% 提升到 72.7%，达到与 Kimi-K3、GLM-5.3 等更大前沿模型相当的水平，并在 NatureBench Lite、agent scaffold 优化和算法优化上显示能力可泛化。
推荐理由：论文展示了用层级SFT加窗口化RL把35B模型训练成自主机器学习工程智能体的完整后训练方法，MLE-Bench Lite数字可作参考。
arXiv · cs.CLAI 评分3333 FGSS-BO：基于 LLM 的贝叶斯优化中的反馈引导式假设管理
研究者提出 Feedback-Guided Search State（FGSS），用 LLM 反射器提出并修订假设、确定性 curator 校验假设并维护测试记录，将语言引导与观测证据和参数干预相连，并基于 LLAMBO 实例化为 FGSS-BO。在两个回顾性协议/媒体任务上，其最终最优样本均值和 search AUC 超过匹配的 LLAMBO 基线及非 LLM 基线；六个直接训练的超参数优化任务显示迁移效果因任务而异，在 diabetes SVM 上最强。
arXiv · cs.CLAI 评分3131 LLM 弱标注用于网络安全推文分类：Teacher-Student 框架研究
研究者提出 Teacher-Student 弱监督框架，用 LLM 作为 Teacher 为无标注网络安全推文生成弱标签，无需大规模人工标注即可训练网络安全领域专用 PLM。仅用 LLM 生成标签训练的 PLM 在所有评测架构上 F1 均超过 0.92，与全人工监督模型的差距保持在 3 个百分点以内。结果表明 LLM 弱标注在专家标注资源有限时是构建网络安全训练数据的可行替代方案。
arXiv · cs.CLAI 评分4444 TRACER：面向 LLM Agent 的轨迹感知工具检索方法
TRACER 是一种检索前端，用 trie 索引观察到的 tool-call 序列并结合经验与上下文先验对延续排序。在 retail-telecom 混合 $\tau^2$ 环境中，它将 GPT-5.4 的工具选择准确率提升 4.7 点，每步输入 token 减少 80%，仅暴露 128 个工具中的 5 个。跨 6 个环境和 4 个模型，24 组模型-环境对中 21 组优于全注册表选择，平均提升 6-10 点。