这篇arXiv:2605.07339v1提出的FlowAgent框架，核心是把工具链从离散的逐步调用变成语义空间的连续轨迹生成。个人认为这击中了当前智能体推理的两大痛点：一是逐步范式在长任务中错误累积严重，我曾在多轮API编排任务中遇到过累积误差导致最终结果完全偏离；二是对未知工具的泛化能力差，每次新增工具都要重新训练或微调。FlowAgent的‘工具即连续流’思路，本质上是把工具调用内化为模型推理的一部分，类似人类专家在解决问题时自然选择工具，而非机械地触发API。这让我想起Transformer最早把序列建模统一为连续表示时的突破，虽然实现细节还需验证，但方向值得跟进。想问各位：连续轨迹生成是否能避免工具调用顺序的局部最优陷阱？另外，在动态真实环境中，如何保证连续流生成的语义空间不因环境变化而坍塌？从行业看，这种范式会进一步推动智能体从‘工具使用者’向‘工具思维者’进化，可能重塑MCP（模型上下文协议）的设计哲学，甚至让工具市场从API超市变成语义化工具图谱。期待实测数据揭晓。