AURA：面向情境化 LLM Agent 的意图导向探测与隐式需求挖掘

针对情境化查询中蕴含的隐式需求（如用户状态、打断适宜性），现有工具型 Agent 往往仅回应字面含义。AURA 在场景感知与工具使用之间引入推理步骤，生成包含隐式需求估计及差距分数的“意图框架”，以动态控制探测预算与工具选择。实验表明，在隐式意图基准测试中，AURA 显著提升了需求覆盖率；同时在事实查找任务中，以少量精度损失换取了探针数量大幅减少及零隐私违规，证明了其推理校准机制的有效性。