ASAREE：用于智能体人工智能研究、工程与实验的分析型沙盒

摘要：Agentic AI 平台能够支持自主工作流的工程化构建，但其设计初衷并非用于实验与假设检验。ASAREE（用于 Agentic AI 研究、工程与实验的分析沙箱）是一个旨在弥补这一空白的开源平台。ASAREE 可通过可视化界面或 Python SDK 创建智能体、连接 MCP 服务器与工具，并设计析因实验。它为每次运行记录完整的溯源轨迹，并通过一个与提供商无关的桥接层路由所有模型调用，该桥接层支持本地部署，从而确保数据隐私。 作为一个应用案例，我们使用 ASAREE 评估多智能体机器学习流水线中的关键设计选择。在一个 2 × 2 × 2 的析因设计中，更先进的模型、更高的推理强度以及评论者智能体的使用，均显著增加了计算时间、token 使用量、成本和特征数量，但并未提升预测性能。成本最低的基线方案——采用中等推理强度且不使用评论者的 Claude Sonnet 5——取得了最高的平均 PR AUC；而采用超高推理强度并使用评论者智能体的 Claude Opus 5，其成本（美元）高出 15.5 倍、运行时间延长 13.1 倍，但平均表现反而更差。这些发现表明，ASAREE 是一个用于评估 agentic 系统性能与资源效率的稳健框架。

摘要：Agentic AI 平台能够支持自主工作流的工程化构建，但其设计目标并非用于实验与假设检验。ASAREE（用于 Agentic AI 研究、工程与实验的分析沙盒，Analytical Sandbox for Agentic AI Research, Engineering, and Experimentation）是一个旨在弥补这一空白的开源平台。ASAREE 可通过可视化界面或 Python SDK 创建智能体、连接至 MCP 服务器与工具，并设计析因实验。它为每次运行记录完整的溯源轨迹，并通过与提供商无关的桥接层路由所有模型调用，同时支持本地部署，以确保数据隐私。

作为一个应用案例，我们使用 ASAREE 评估多智能体机器学习流水线中的关键设计选择。在一个 2 × 2 × 2 的析因设计中，更先进的模型、更高的推理强度以及评论者智能体的使用，均显著增加了计算时间、令牌使用量、成本和特征数量，但并未提升预测性能。成本最低的基线配置——采用中等推理强度且不使用评论者的 Claude Sonnet 5——取得了最高的平均 PR AUC；而采用超高推理强度并配备评论者智能体的 Claude Opus 5，成本高出 15.5 倍（美元），运行时间延长 13.1 倍，而其平均表现反而更差。这些发现表明，ASAREE 是一个用于评估 Agentic 系统性能与资源效率的稳健框架。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.20.746074v1?rss=1

🏷️ 智能体人工智能 实验平台 析因设计 多智能体系统 性能评估 资源效率