The Last Mile to the Real World: Agent-Native Primitives as Reusable Building Blocks for Solving Real-World Tasks
1. 一句话总结 论文将工具、代码、知识等资源封装为自带常驻 LLM 执行器的 Agent-Native Primitives,并提出 HEELO 框架按任务需求动态组合、取证和…
标题
AI能调用工具,最后一步却可能用错
🤖 这篇论文抓到一个缺口:大模型会调用搜索、终端或浏览器,不代表真能完成跨应用任务。问题常出在“最后一公里”,例如下一步该传什么参数、上一步结果怎么接着用。
🧩 作者提出 Agent-Native Primitives,可理解为“自带用法的智能体积木”。每块积木不只提供接口,还配一个按需启用的大模型,负责理解上下文、执行任务、传递结果和定位错误。HEELO 按任务挑选积木,拼成执行图,依据实际结果验收,失败就修改,通过后存入公共库。
📈 这提升的不是模型“智商”,而是模型与工具协作的可靠性。加入 Dev Primitives 后,Codex 在 Terminal-Bench 4.0 的完成率从 37.3% 升至 55.5%;加入 Tool Primitives 后,ToolBench 通过率从 55.8% 升至 75.1%。
🏠 对普通人的连接点,是邮件、文件、浏览器间的自动协作。以后“收集资料→整理文件→发邮件”可以交给智能体,少些手工搬运。论文也提出智能家居方向,但尚未在真实设备验证;额外调用模型还可能增加费用和延迟。
💡 核心只有一句:可靠的 AI 助手,不只要会找工具,还要把“如何使用、怎样验收、失败后怎么改”打包成可复用技能。你最想交给 AI 哪段重复流程?
标签
#AIAgent #智能体 #LLM #工具调用 #工作流编排 #自动化 #HEELO #效率工具 #开发者 #论文解读
原文来源
- https://arxiv.org/abs/2611.07461v1
来源类型:arXiv 预印本 · 日期:2026-11-05
边界声明 · 这项研究不能证明什么
本文为一手来源的中文编辑导读,结论的适用范围与证据强度以来源原文为准;不构成医疗、投资或其他决策建议。
AIGC 内容说明
本文由 AI 辅助起草,经今山海编辑部人工核对事实、来源与边界后发布。修订与更正将在本页留痕。