從模型擴展到系統擴展：在代理 AI 中擴展框架

研究論文提出，在代理 AI 領域，系統擴展已成為模型擴展之外的另一個主要瓶頸。論文探討設計可審計、持久、模組化和可驗證的架構圍繞基礎模型，並將這種轉變稱為『擴展框架』。作者認為，當前評估往往以模型為中心，忽略了記憶、檢索、工具使用、協調、驗證和治理等組件的交互作用。這些組件共同構成了『代理框架』，將模型能力轉化為長期代理行為。論文通過三個核心瓶頸進行研究：上下文治理、可信記憶和動態技能路由，並概述了框架級基準的研究議程，以測量軌跡品質、記憶衛生、上下文效率等指標。為了具體說明，開發了 CheetahClaws，這是一個 Python 原生參考框架，並與 Claude Code 和 OpenClaw 進行比較。論文主張，未來代理 AI 的進展將取決於系統設計與更強基礎模型的同等重要性。