鲁棒智能体补偿（RAC）：教会AI智能体补偿

我们提出鲁棒智能体补偿（RAC）：一个基于日志的恢复范式（提供安全网），经由可应用于多数智能体框架的架构扩展实现，支持可靠执行（避免非预期副作用）。用户无需更改现有智能体代码（如LangGraph智能体）即可启用RAC。该方法可经由既有扩展点在多数现有智能体框架中实现。我们给出基于LangChain的实现，通过τ-bench与REALM-Bench证明其可行性，并展示在解决复杂问题时，RAC在时延与token经济性上较最先进LLM恢复方法好1.5-8倍或更多。