Strategist：用元智能体进化推理策略

构建一个AI智能体系统，模型只占一半，另一半是推理策略——将模型调用转化为响应的推理流程。目前，这另一半靠手工编写，且一个策略的构建经验无法复用到下一个任务。为此，研究者提出Strategist，一个跨任务进化推理策略的元智能体。

每个策略以**蓝图（blueprint）**形式存在，即可执行代码，其他策略可复用。这些蓝图共同构成一个库。给定任务和小型开发集，Strategist会检索相关蓝图、编写候选策略、在真实样本上测试，并根据结果修订。每个候选策略都进入库中，让后续任务能基于先前发现。

推理策略：智能体缺失的另一半

当前AI智能体系统的构建存在一个根本性割裂：模型能力飞速提升，但将模型调用组织成有效推理流程的策略却依赖人工设计。开发者针对特定任务手写提示链、工具调用逻辑或反思循环，这些策略往往高度定制化，换一个任务就需要从头再来。经验无法沉淀，每构建一个新策略都是一次从零开始的探索。

Strategist的核心洞察在于：推理策略本身可以被视为一种可进化的程序。与其手工编写，不如让一个元智能体自动生成、测试并改进策略。这相当于把“策略设计”这一元层面的工作也自动化了。

元智能体（meta-agent） 是指一类不直接解决目标任务，而是操作、生成或改进其他智能体（或其组件）的智能体。在Strategist的语境下，元智能体不直接回答任务问题，而是面向"推理策略"这一对象工作：它读取任务描述和开发集，检索蓝图库，编写候选推理策略代码，并依据测试反馈迭代。这一层级的抽象使系统具备"学习如何解决问题"的能力，而不仅是"解决问题"。元智能体的概念与元学习（meta-learning）一脉相承，区别在于其操作对象是自然语言与代码构成的策略程序，而非模型权重。

Strategist如何工作：蓝图、检索与进化循环

Strategist的运行机制可以拆解为几个关键环节：

• 蓝图表示：每个推理策略被编写为可执行的代码蓝图。蓝图不仅是描述，更是能直接被其他策略调用的模块。这种代码化表示使得策略可以被组合、复用和修改。
• 检索与生成：面对新任务时，Strategist从蓝图库中检索相关策略作为参考，然后编写候选策略。检索机制确保过往经验被有效利用，而非每次从零开始。
• 实证测试与修订：候选策略会在真实样本上运行测试，根据结果进行修订。这一闭环让策略进化有据可依，而不是依赖主观判断。
• 持续积累：每个候选策略最终都进入蓝图库，形成正反馈循环。后续任务能建立在先前发现之上，库的价值随时间增长。

这一流程本质上是一个进化搜索过程：生成变异（编写候选）、环境选择（测试结果）、保留优秀个体（进入库）。但与传统进化算法不同，Strategist的变异由语言模型驱动，具备语义理解能力。

进化搜索（evolutionary search） 是一类受生物进化启发的优化方法，典型流程包括：维护一个候选解种群，通过变异和交叉产生新解，再依据适应度函数选择保留更优个体，循环往复。Strategist借鉴了这一框架：编写候选策略对应"变异"，在真实样本上测试对应"适应度评估"，保留蓝图为"选择"。关键差异在于变异算子由大语言模型承担，因此产生的候选具有语义层面的合理性与多样性，而非随机扰动。此外，蓝图库充当了跨任务共享的"基因池"，使进化不必每次从空种群重启，从而加速收敛并提升泛化。

实验表现：更低成本、更强泛化

研究者在一个包含30个基准测试的集合上评估Strategist，并与最强基线进行对比。结果显示：

• 在24个基准上，Strategist的表现超过最强基线。
• 平均准确率与基线持平（74.7% vs. 74.0%），但推理成本降低39%。这意味着在效果相当的情况下，Strategist的策略更加高效。
• 进化出的策略能够迁移到未见过的任务和其他模型上，无需进一步搜索。这验证了蓝图库的泛化价值——策略不是针对特定任务过拟合的产物，而是具备一定通用性的推理模式。

这些数据支撑了一个核心论点：推理策略的自动进化不仅能匹配手工设计的效果，还能在效率和泛化性上带来额外收益。

基准测试（benchmark） 在此指一组标准化的任务数据集与评估协议，用于横向比较不同方法的表现。文中30个基准覆盖多种推理任务类型，以平均准确率作为主要指标衡量策略的有效性。推理成本通常指模型调用产生的 token 消耗或 API 费用，是智能体系统实际部署中的关键约束：策略若包含冗余的反思循环或多轮工具调用，准确率可能不低但成本高昂。Strategist在准确率持平的前提下将成本降低39%，说明进化出的策略在步骤组织和调用次数上更精简，这正是自动搜索相较手工设计可能发现的效率优势。

意义与局限：策略进化的边界

Strategist的意义在于将AI系统构建中“未被自动化的部分”也纳入了优化循环。此前，模型参数可以通过训练自动改进，但推理策略的改进依赖人工。Strategist让策略也能通过经验积累而进化。

不过，这一方法仍有其边界。首先，蓝图库的质量依赖于初始开发集和检索机制的有效性；如果任务与库中已有策略差异过大，生成候选的质量可能下降。其次，代码化蓝图虽然可复用，但也引入了执行安全性和正确性验证的负担。此外，实验规模虽然覆盖30个基准，但策略迁移的长期稳定性仍需更多验证。

总体来看，Strategist指出了一个方向：未来的AI智能体系统可能不再需要手工编写推理流程，而是通过元智能体在任务中不断进化策略库。当模型能力逐渐趋同时，推理策略的进化能力或许会成为系统差异化的关键。