AI 代理是否知道任务何时简单？迈向感知复杂度的推理与执行

大型语言模型代理在自动化工作流时，常因缺乏对任务所需努力的评估而采取低效策略。本文提出“任务感知执行范围估计”能力，即在投入资源前判断任务难度及最短可靠路径。作者形式化了最小充分执行概念，并提出 E3（估计、执行、扩展）框架：代理先估算初始操作点，执行最小可行路径，仅在验证失败时扩展范围。实验表明，该方法在保持 100% 成功率的同时，显著降低了成本、令牌消耗及文件检查量，推动了工程 grounded AI 的发展。