从“能调用”到“会应用”：Agent-Native Primitives补上智能体落地的最后一公里

导语

让智能体完成真实世界任务，难点往往不在于“有没有工具”，而在于“能不能把工具用对”。现有代码智能体或通用智能体通常可以访问终端、浏览器、知识库和外部工具，但调用资源之后的理解、决策与执行，仍然依赖每个 harness 临时编排。这使得相似能力被反复实现，也让智能体在复杂任务的最后一步频繁失误。

Hugging Face Daily Papers 收录的一项研究提出了 Agent-Native Primitives（智能体原生原语），试图把这段能力从一次性提示和脚本中抽离出来，变成可复用的任务组件。

核心要点

• 让资源自带“应用能力”：原语不只是工具接口，而是将工具、代码、知识等资源与一个驻留式 LLM 专家结合。这个专家负责理解上下文、选择使用方式，并与其他原语协作。
• 用 HEELO 动态组装任务图：HEELO 的全称是“Harness Engineering around Evolving Agent-Native Primitives for the Last Mile to Real-World Tasks”。它会根据任务需求，从原语库中组合出专属 harness，而不是让每个智能体从零搭建工具链。
• 把验证和迭代纳入流程：系统依据环境中的可观测证据检查结果；如果任务失败，则追踪可能出问题的原语，对其修订或新增能力，经过验证后再纳入原语库。
• 覆盖多类任务能力：研究团队实现了八个原语家族，并在二十多个基准上评估，包括开发、工具使用、导航等场景。

实验结果与意义

论文摘要报告称，在相同 Codex 主干上，Dev-Primitives 将 Terminal-Bench 4.0 的任务解决率从 37.3% 提升至 55.5%；按任务组合的 Harness Primitives 将 Terminal-Bench 2.0 Pass@1 从 60.0% 提升到 72.2%；Tool Primitives 将 ToolBench 通过率从 55.8% 提升到 75.1%；Navigation Primitives 则将 GAIA-Text-103 准确率从 45.6% 提升至 58.3%。

在 heelo.dev 的 46 项真实世界任务中，论文还比较了独立运行的 Claude Code、Codex 与接入 HEELO 后的表现：前者各完成 9 项，接入后分别完成 39 项和 35 项。摘要同时报告了时间和成本方面的下降，但这些结果应理解为该研究设置下的实验观察，而不是对所有智能体场景的普遍保证。

这项工作的价值，在于重新定义了智能体基础设施的复用单位。过去复用的重点是 API、工具或提示词；Agent-Native Primitives 则试图复用“如何在上下文中使用资源”的能力。如果这一思路能够在更多独立任务和模型上稳定成立，智能体系统或许会从不断堆叠工具，转向维护一个可验证、可演化的专家原语生态。不过，原语之间的协作成本、验证证据的可靠性，以及跨领域迁移能力，仍是后续落地需要回答的问题。

来源：Hugging Face Daily Papers