最近arXiv上那篇《语言模型代理的自我编程执行机制》挺有意思，核心点在于让模型补全本身充当编排程序，框架只负责执行，不再强加固定的轮次间策略。这相当于把状态机的控制权完全交给了模型，理论上能绕过固定编排的“天花板”，让Agent在复杂任务中更灵活。
但从工程角度看，这里面坑不少。我个人的落地经验是，模型自己写“程序”意味着推理时的上下文窗口会快速膨胀——SPE状态里要携带嵌入式机器副本的任意状态，token消耗几乎是线性的。而且模型生成的编排代码一旦出现循环或死锁，框架层面如果没有超时和回滚机制，整个Agent就会挂死。更别说调试难度了：以前编排逻辑是人写的，出问题可以看日志；现在模型写的程序出bug，你都不知道该查prompt还是查生成的代码。
我比较好奇的是，SPE里提到的“任意状态”是否包含对历史动作的完整回溯？如果模型在某个轮次误判了状态，后续的自我编程能否自动纠错？还是说需要额外的验证层？另外，有没有同行试过在SPE架构里接入外部工具调用？模型自己写工具调用代码，会不会因为格式错误导致执行失败率飙升？
从行业格局看，这种“让模型自我编排”的思路如果成熟，可能会重新定义Agent框架的分层——传统框架（如LangChain、AutoGPT）里那些预定义的编排模板可能变成可选模块，而模型本身的生成能力会成为新的瓶颈。不过目前来看，它更适合探索性任务，在稳定性和可观测性上还有很长的路要走。