一分钟读论文：《E3：AI Agent 何时知道任务很简单？》

佐治亚理工学院和麻省理工学院合作的一篇论文《Do AI Agents Know When a Task Is Simple? Toward Complexity-Aware Reasoning and Execution》（arXiv:2607.13034）提出 E3 框架，让编码 Agent 在执行前先评估任务复杂度，以最小可行路径执行，仅在验证失败时扩展范围。在 MSE-Bench 基准测试上，E3 达到与最强基线相同的 100% 成功率，同时将成本降低 85%，Token 消耗减少 91%，检查文件数减少 92%。

执行冗余：Agent 的隐性成本

大型语言模型 Agent 在自动化多步工程工作流时普遍存在一个低效模式：它们很少评估任务实际需要多少工作量，而是采用最大上下文优先策略——反复阅读已经看过的文件和依赖关系，将一行代码修改变成对整个代码库的审计。这种现象被称为执行冗余（execution redundancy），即 Agent 消耗的资源远超完成任务所需的最低限度。

论文形式化了最小充分执行的概念，并提出了 Agent 认知冗余比（ACRR）来量化这一现象：实际执行范围与完成特定任务所需的最小信息集之间的比率。当 ACRR 远大于 1 时，说明 Agent 在执行过程中读取了大量无关文件、进行了不必要的上下文加载，造成了计算资源的浪费和推理延迟的增加。

E3 框架：估计、执行、扩展

E3（Estimate, Execute, Expand）框架的核心思路是让 Agent 在执行任务前进行复杂度评估，然后以最小可行路径执行，仅在验证失败时逐步扩展范围。

估计阶段：Agent 首先分析任务描述和初始上下文，判断任务的预期难度和所需信息量。这一步不读取任何代码文件，仅基于任务描述的语义理解来设定一个初始操作点——即 Agent 认为完成任务所需的最小上下文范围。

执行阶段：Agent 在估计的操作点上执行最小可行路径。如果任务只需要修改单个函数，Agent 只读取该函数的定义和直接调用者，然后生成补丁并运行验证测试。

扩展阶段：只有当验证失败时，Agent 才扩大搜索范围——读取更多相关文件、增加上下文窗口，重新生成补丁。这个过程可以迭代多次，直到验证通过或达到预设的最大范围限制。

实验结果与工程意义

在 MSE-Bench（一个包含 121 个确定性编辑任务的基准测试）上，E3 以 100% 的成功率匹配了最强基线模型的表现，同时在三个关键效率指标上实现显著改善：成本降低 85%，Token 消耗减少 91%，检查文件数减少 92%。这些增益在保持指令措辞变化和不同成本权重设置下均保持稳定。

论文还通过 LLM-Case 实验在真实环境中验证了 E3 的效果——使用 gpt-4o Agent 编辑一个真实的开源库，并通过运行项目的实际 pytest 套件来验证补丁正确性。结果显示，虽然真实场景中的过度读取现象比模拟器中轻微，但 E3 仍然是最精简、最快的策略，其唯一短板是服务提供商的速率限制而非错误的代码修改。

这一发现将执行冗余从经验观察提升为可度量的工程问题，推动了面向工程的 AI（EGAI）方向——让 Agent 的努力程度锚定在任务的工程现实之上，而非盲目地读取尽可能多的上下文。

References