从模型扩展到系统扩展：代理式 AI 中的架构扩展

本文研究了代理式 AI 的下一个主要瓶颈：系统扩展而非单纯的模型扩展。文章提出“扩展架构（scaling the harness）”概念，即将围绕基础模型的结构化执行层视为设计、评估和优化的核心对象。针对现有评估过于关注模型而忽视记忆、工具使用等系统组件的问题，本文重点探讨了上下文治理、可信记忆和动态技能路由三大瓶颈，并提出了超越单次任务成功的基准测试议程。作者开发了 CheetahClaws 参考架构以验证观点，强调未来进展将同等依赖于系统设计与模型能力。