ADIAS：交互式agentic系统的自动化设计

自动化智能体设计通过迭代修订、评估与反馈摘要来改进智能体框架（agent harness）。现有方法在很大程度上是以候选为中心的：跨轮经验围绕候选智能体组织，使修复进展保持隐式。这导致修复目标定位低效、部分进展整合缓慢，以及无效干预在轮次间传播。因此，我们提出以问题为中心的智能体优化（issue-centric agent optimization），将修复进展作为显式的持久问题状态向前传递以指导优化，而不是每轮从候选历史中重新推导。我们将该构想实例化为ADIAS，一个自动化全代码智能体设计框架，包含两个机制。持久问题状态维护稳定的问题标识、生命周期状态、支持证据与干预-结果历史。问题引导优化利用该状态为后续聚焦的全代码修改联合提出修复目标与修订方向。在五个交互式基准上，ADIAS平均超越最强基线25.2%，并在四个骨干模型上取得一致增益。受控消融进一步表明，移除持久问题状态或用以候选为中心的策略替代以问题为中心的修订，会导致高达40.7%的性能下降。