微软提出 CASD 提示词优化框架：利用代码智能体分析轨迹日志提炼规则

微软研究团队提出名为 CASD 的提示词优化框架，利用现有编码智能体离线分析智能体历史运行轨迹，实现了无需环境交互与验证集的高效规则提炼。

• 该方法全称为 Coding-Agent Skill Distillation，智能体通过编写并运行分析代码，对整个离线轨迹库进行错误归纳与统计分析。
• 相比于传统依赖反复在线试错与搜索的优化方式，CASD 将经验提炼为结构化行为规则提示词，单次优化成本约为 1.60 美元，成本降低超过 20 倍。
• 在 ALFWorld 和 SpreadsheetBench-Verified 等基准测试中，该方法在相近数据条件下超越了部分现有反射搜索优化算法。
• 相关论文已于 2026 年 8 至 9 月在 arXiv 上公开。
• 影响/看点：离线日志代码化分析为复杂智能体系统的自我提示词迭代提供了低成本路径，但提炼规则的有效性依赖于初始历史轨迹库的多样性与代表性。
• 资料依据：
• arXiv（2026-09-25）：https://arxiv.org/abs/2609.26261
• X：DAIR.AI（2026-09-25）：https://x.com/dair_ai/status/2103479392106352910

本内容由 AI 生成，仅供参考，请注意甄别