从噪声轨迹到根本原因：用于 Agent 优化的结构轨迹分析与因果提取

长程 Agent 的优化日益依赖基于反思的机制，但真实执行轨迹存在冗余和异质性，且包含大量无关步骤，导致优化低效或过拟合。现有上下文缩减方法易丢弃关键因果证据。为此，本文提出 STRACE 框架，旨在构建高信噪比的优化上下文。该框架在批次层面挖掘失败模式以过滤冗余轨迹，并在单个轨迹内通过文本依赖图进行因果定位，识别真正的根本原因模块。实验表明，STRACE 显著优于基线方法，在形式化验证任务中将成功率提升了 1.4 倍。