正在补充深度解读，当前内容可以先阅读
论文解决了什么问题
搜索式提示优化需要反复生成、执行、打分与筛选，既昂贵又把反思限制在小批轨迹上。
核心方法
编码Agent编写并执行分析代码，计算全语料统计、检查代表性episode，再把发现蒸馏为行为规则。
实验结论
- 四个Agent基准上平均提升16.6个百分点；三项超过GEPA、四项超过SkillOpt，单次成本约1.60美元。
- 提示优化的关键可能不是更多在线搜索，而是扩大反思覆盖到整套轨迹语料。
适合谁阅读
Agent提示优化与技能学习团队提示优化轨迹分析技能蒸馏
可核验的原论文来源和作者
- 作者
- Agamdeep Singh, Srishti Gautam, Priyanshu Gupta, Nikita Mehrotra, Tanmay Bakshi, Sumit Gulwani
- 来源
- arXiv
- 论文 ID
- 2609.26261