早问、晚问、适时问：澄清时机对长程智能体何时重要？

长程 AI 智能体执行涉及数百步动作的复杂工作流，早期错误假设会导致不可逆后果。本文提出强制注入框架，在四个信息维度、三个基准测试及四种前沿模型中，量化评估澄清请求的最佳时机。研究发现澄清价值高度依赖缺失信息类型：目标澄清在执行 10% 后价值骤降，而输入澄清可维持至 50%。现有模型均未在实证最优窗口内发起询问。该研究为时序感知的澄清策略提供了定量基础与设计目标。